贪心算法之哈夫曼编码问题

1、问题

通常的编码方法有固定长度编码和不等长度编码两种。这是一个设计最优编码方案的问

题,目的是使总码长度最短。这个问题利用字符的使用频率来编码,是不等长编码方法,使

得经常使用的字符编码较短,不常使用的字符编码较长。如果采用等长的编码方案,假设所

有字符的编码都等长,则表示 n 个不同的字符需要 ⎡log n⎤ 位。例如,3 个不同的字符 a、b、⎢⎥

c,至少需要 2 位二进制数表示,a 为 00,b 为 01,c 为 10。如果每个字符的使用频率相等,固定长度编码是空间效率最高的方法。

不等长编码方法需要解决两个关键问题:(1)编码尽可能短

我们可以让使用频率高的字符编码较短,使用频率低的编码较长,这种方法可以提高压缩率,节省空间,也能提高运算和通信速度。即频率越高,编码越短。

(2)不能有二义性
例如,ABCD 四个字符如果编码如下。
A:0。B:1。C:01。D:10。
那么现在有一列数 0110,该怎样翻译呢?是翻译为 ABBA,ABD,CBA,还是 CD?那

么如何消除二义性呢?解决的办法是:任何一个字符的编码不能是另一个字符编码的前缀,即前缀码特性。

1952 年,数学家 D.A.Huffman 提出了根据字符在文件中出现的频率,用 0、1 的数字串表示各字符的最佳编码方式,称为哈夫曼(Huffman)编码。哈夫曼编码很好地解决了上述两个关键问题,被广泛应用于数据压缩,尤其是远距离通信和大容量数据存储方面,常用的