N叉哈夫曼树算法研究

 题目的阐述：

　

　　以Ｎ进制编码方式对一个英文字串中的字符进行编码，每个不同的字符其编码不同．使得由新的编码替代原串后总码长最小，且输入０，１，２，．．．，Ｎ－１构成的数字串后，依照该编码方式可以正确的对译出唯一的英文原串．

　　如：　Ｎ＝３　英文原串为　ＡＢＢＣＢＡＤＤＡＣＥ

　　其对应的一种编码方式为

　　Ａ：００

　　Ｂ：０１

　　Ｃ：０２０

　　Ｄ：０２１

　　Ｅ：０２２

　　原串对译后的编码为０００１０１０２００１０００２１０２１０００２００２２

　　其码长为２７

　　若输入编码串　　　　０１０２００２２００

　　则对应的英文原串为　ＢＣＥＡ

 

分　析：

 

　　假设英文原串中的字符存放于字符集Ｓ中，‖Ｓ‖＝　Ｘ，每个字符在字串中出现的概率为Ｗ［ｉ］，Ｌ［ｉ］为字符ｉ的编码长．

　　依题意得，对Ｓ集合中的不同字符进行Ｎ进制编码后要求

　　　　１）新字串的码长最短　　

　　　　　　　　ＷＰＬ＝∑Ｗ［ｉ］＊Ｌ［ｉ］ （ｉ∈１．．Ｘ）

　　　　　　　　使得在ＷＰＬ是所有编码方式中的最小值

　　　　２）编码无二义性

　　　　　　　　任意一字符编码都不为其它字符编码的前缀

 

　　此题以哈夫曼树来解答是非常适宜的．Ｎ为此哈夫曼树的分叉数，Ｓ字符集里的元素即为此　　

Ｎ叉哈夫曼树的叶子，概率Ｗ［ｉ］即为叶子结点的权重，从根结点到各叶子结点的路径长即为该叶子结点的编码长Ｌ［ｉ］．由哈夫曼树的思想可以知道哈夫曼树的建立是一步到位的贪心法，即权重越大的结点越靠近该树的根，这样，出现频率越大的字符其编码就越短．

　　

　　但具体应该怎样建立起此Ｎ叉哈夫曼树呢？我们首先以Ｎ＝２为例　：

　　Ｓ＝｛Ａ，Ｂ，Ｃ，Ｄ｝

　　Ｗ＝［３，１，２，１］

　

　　首先从Ｗ中选出两个最小权，１，１，将其删去，并以２（即１＋１）替代

　　　　Ｗ＝［３，２，２］；

　　再从新的Ｗ中取出两个最小权，２，２，将其删去，并以４（即２＋２）替代

　　　　Ｗ＝［３，４］；

　　依此类推，直到Ｗ中只一个值时合并结束，此时　Ｗ＝［７］

　　以上两两合并的过程即为二叉哈夫曼树的建立过程，每一次的合并即是将两棵子树归于一个根结点下，于是可以建立二叉树如下：

 

　　　　　　　　　　　　　　　　　　　　　　　　m

　　　　　　　　　　　　　　　　　　　　　　０å　　æ１

　　　　　　　　　　　　　　　　　　　　　　m　　　m

　　　　　　　　　　　　　　　　　　　　　Ａ　　０å　　æ１

　　　　　　　　　　　　　　　　　　　　　　　m　　　　m

　　　　　　　　　　　　　　　　　　　　　　　Ｃ　　０å　　æ１　　　　　　　　　　　　　　　　　　　　　

　　　　　　　　　　　　　　　　　　　　　　　　　m　　　　　m

　　　　　　　　　　　　　　　　　　　　　　　　　Ｂ　　　　　　Ｄ　

 

　ＭＩＮ－ＷＰＬ＝３＊１＋１＊３＋２＊２＋１＊３＝１３

 

　从某一根结点出发走向其左子树标记为０，走向其右子树标记为１，则可以得到以下编码

　Ａ，Ｂ，Ｃ，Ｄ对应的编码为

　　　Ａ：０

　　　Ｂ：１１０

　　　Ｃ：１０

　　　Ｄ：１１１    

 

　Ｎ＝３时又是怎样一种情况呢？

　　设　Ｓ＝｛Ａ，Ｂ，Ｃ，Ｄ，Ｅ｝

　　　　Ｗ＝［７，４，２，５，３｝

　　则按权重排序可得

　　　　Ｓ＝｛Ｄ，Ｂ，Ｅ，Ｃ，Ａ｝　　　　　

　　　　Ｗ＝［７，５，４，３，２］

　　那么此哈夫曼树的树形应为怎样呢？　　是以下的左图，还是右图，或是两者均不是

　　　　　　　　　　　m　　　　　　　　　　　　　　　　　　　m

　　　　　　　　å　　â　　　æ　　　　　　　　　　　　　　　å　æ

　　　　　　　m　　　m　　　l　　　　　　　　　　　　　　l　　m

　　　　　　å　æ　　å　æ　　Ｃ　　　　　　　　　　　　　　　Ａ　å　æ　　　　　　　　

　　　　　l　　l　l　　l　　　　　　　　　　　　　　　　　　l　　m

　　　　　Ａ　　Ｄ　Ｂ　　Ｅ　　　　　　　　　　　　　　　　　　Ｄ　å　æ

　　　　　　　　　　　　　　　　l　　　m

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　Ｂ　　å　æ

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　l　l

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　Ｅ　Ｃ

 　显然，要带权路径长ＷＰＬ最短，那么，此树的高度就应尽可能的小，由此可知将此树建成

丰满Ｎ叉树是最合理的，于是我们尽量使树每一层都为Ｎ个分枝．

　　对于这道题的情况，我们具体来分析．

　　按照哈夫曼树的思想，首先从Ｗ中取出权最小的三个值，即２，３，４，并以９（２＋３＋４）来代替，得到新的Ｗ＝［９，７，５］；再将这三个值合并成９＋７＋５＝２１这个结点．于是得到三叉哈夫曼树如下：

　　　　　　　　　　　　

　　　　　　　　　　　　　　m

　　　　　　　　　　　å　　â　　æ

　　　　　　　　　　l　　　l　　　m

　　　　　　　　　　Ｄ　　　Ｂ　å　â　æ

　　　　　　　　　　　　　　　　l　l　l

　　　　　　　　　　　　　　　　Ｅ　Ｃ　Ａ

　　ＷＰＬ＝１＊７＋１＊５＋２＊２＋２＊３＋２＊４＝３０

　　以０．．Ｎ－１依次标记每个根结点的Ｎ个分枝，则可以得到每个字符相对应的编码：

　　　　Ａ：２２

　　　　Ｂ：１

　　　　Ｃ：２１

　　　　Ｄ：０

　　　　Ｅ：２０

　　我们发现对于这种情况恰巧每层均为Ｎ个分枝，但事实上并非所有的Ｎ叉哈夫曼树都可得到每层Ｎ个分枝．例于当Ｎ＝３，‖Ｓ‖＝６时就不可能构成一棵每层都为三个分枝的三叉树．如何来处理这种情况呢？

　　最简单的处理方式就是添加若干出现概率为０的空字符填补在Ｎ叉树的最下一层，这些权为０的虚结点并无实际意义但却非常方全便于这棵Ｎ叉树的建立．空字符的添加个数ａｄｄ的计算如下：

　　Ｙ＝‖Ｓ‖　ｍｏｄ　（ｎ－１）

　　ａｄｄ＝０　　　（Ｙ＝１）　　　

　　ａｄｄ＝１　　　（Ｙ＝０）

　　ａｄｄ＝Ｎ－Ｙ　（Ｙ＞１）　　

 

　　虚结点的加入使得权重最小的Ｎ－ａｄｄ个字符构成了距根结点最远的分枝，使其它字符构成的Ｎ叉树保持了丰满的Ｎ叉结构．

　　例：　Ｎ＝３　

　　　　　Ｓ＝｛Ａ，Ｂ，Ｃ，Ｄ，Ｅ，Ｆ｝

　　　　　Ｗ＝［１，２，３，４，５，６｝

　　则　ｙ：＝６　ｍｏｄ　（３－１）＝０

　　　　ａｄｄ＝１

　　于是构成Ｎ叉树如下：　­为虚结点

　　　　　　　　　　　　　　　　¡　

　　　　　　　　　　　　　å　　â　　æ

　　　　　　　　　　　　l　　　l　　　　m

　　　　　　　　　　　　Ｆ　　　Ｅ　å　　â　　æ

　　　　　　　　　　　　　　　　　　l　　l　　　m

　　　　　　　　　　　　　　　　　　Ｄ　　Ｃ　å　â　æ

　　　　　　　　　　　　　　　　　　　　　　　Ｂ　Ａ　­

　　ＷＰＬ＝１＊６＋１＊５＋２＊４＋２＊３＋３＊２＋３＊１＋３＊０＝３３

　　对应编码为：

　　　　Ａ：２２１

　　　　Ｂ：２２０

　　　　Ｃ：２１

　　　　Ｄ：２０

　　　　Ｅ：１

　　　　Ｆ：０

转载于:https://www.cnblogs.com/lj_cherish/archive/2010/10/11/1848259.html