huffman树_哈夫曼树 深入剖析

论树的一个应用，想当然即huffman树，即哈夫曼树

哈夫曼树是一类带权路径最短的树。构造这种树的算法最早由哈夫曼提出，这种树在信息检索中很有用。如用于通讯及数据传送中构造传输效率最高的二进制编码（哈夫曼编码），用于编程中构造平均执行时间最短的最佳判断过程。

基本概念：

节点之间的路径长度：从一个节点到另一个节点之间的分支数目。

树的路径长度：从树的根到树中每一个节点的路径长度之和

如：

节点的带权路径长度：从该节点到树根之间的路径长度与节点上权的乘积。

树的带权路径长度：树中所有叶子节点的带权路径长度之和。

如：

即2x5+3x3+7x3+2x1=42

算出来的值最小的二叉树就称作最优二叉树或哈夫曼树。

如果不理解的话可以从网上多找几个例子来看看，有些基础的基本都能很快理解。

然后我们来看看怎么构造哈夫曼树：

哈夫曼算法

① 对于给定的n个权值{W，w2，.. wn}, 构造出具有n棵叉树的森林F={ T, T,, .... T}，其中每棵.1叉树T均只有-一个带有权值w;的根结点;

② 在F中选取根结点权值最小的两棵-:叉树作为左、右子树构造一棵新的二叉树，新二叉树根结点的权值为其左、右子树根结点的权值之和;

③ 在F中删除这两棵树，同时将新生成的: 叉树加入F中;

④ 重复②和③，直到F只有一-棵叉树为止，这棵二义树就是所构造的哈夫曼树。

看完是不是看得不太懂？看个实例就知道具体是啥了。

2加3生成5，剩下的就是5，7，5. 然后5加5生成10.剩下的就是7和10，然后就是7和10加起来。然后就有了上面的哈夫曼树了。

刚开始的时候，忽略了2加3生成的5，以为非叶子节点不算在内，后面才发现是算在内的，这也是权值，只不过在算加权路径长度的时候不算进去而已。

看完这个看懂了吗？没事，再来一个

相信现在大家应该差不多了吧。

总结一下就是把权值最小的两个数放在最下面先，然后依次把剩下的最小的树慢慢加到这个二叉树上。

然后联系一下前面说的树的带权路径长度最小的就是哈夫曼树，结合现在我们的构造方式，是不是感觉很简单，哈哈。

如果感觉还是不理解的话，可以看百度经验里的链接，里面画的图比较详细。推荐一波：

https://jingyan.baidu.com/article/a501d80c16dfa0ec620f5e70.html

下面是形状和前面的不太一样的情况，但是计算方法都是一样的，我想表示的是要牢牢理解定哈夫曼算法。

好了，对于哈夫曼树的构造相信大家已经掌握的差不多了。

然后开始学习进一步的知识：

哈夫曼编码,

哈夫曼树应用于通讯及数据传送中对信息的二进制编码。

在计算机数据处理中，霍夫曼编码使用变长编码表对源符号(如文件中的一个字母)进行编码，其中变长编码表是通过一种评估来源符号出现机率的方法得到的，出现机率高的字母使用较短的编码，反之出现机率低的则使用较长的编码，这便使编码之后的字符串的平均长度、期望值降低，从而达到无损压缩数据的目的。

例如，在英文中，e的出现机率最高，而z的出现概率则最低。当利用霍夫曼编码对一篇英 文进行压缩时，e极有可能用一个比特来表示，而z则可能花去25个比特(不是26)。用普通的表示方法时，每个英文字母均占用一个字节(byte)，即8个比特。二者相比，e使用了一般编码的1/8的长度， z则使用了3倍多。倘若我们能实现对于英文中各个字母出现概率的较准确的估算，就可以大幅度提高无损压缩的比例。

然后用一个具体的图来结合前面的知识来理解这个哈哈夫曼编码：

即{E,M,C,A,D}对应的权值为{1，2，3，3，4}

然后就画出上述的哈夫曼树。然后上图还对比了普通编码和哈夫曼编码两种编码长度。可以很直观地发现哈夫曼编码的好处，权值就是出现的概率，有了这个概率后，根据概率进步编码，就能很好地减小长度，提高压缩效果。

下面是另一个例子，可能比较好看一些：

上面即为普通编码情况。

上面使用哈夫曼编码的情况。

（其实这里我感觉不对啊，b的使用频率相比于其它数值算挺高的了，可是它却放在最底层，占了最长的长度，也就是说会有很多的很长的b串，这明明就违背了它希望的二进制串尽可能短的原则。当时上课没注意，不知道大家有想法木有？？）

然后再来看一题：

这题更能充分体现出哈夫曼算法前面的样式都太少了，通过这题大家应该能更好地理解，请大家一定要自己一步一步画出这个哈夫曼树来。

哈夫曼的特点：

1.权值越大的叶子节点越靠近根节点，权值越小的叶子节点越远离根节点。

2.只有度为0（叶子节点）和度为2（分支节点）的节点，没有度为1的节点。

在if else中利用哈夫曼树的思想进行优化代码：

比如

if(a==10){

...

}else if(a==20){

....

}else if(a==30){

....

}

这里的前提是不能使用switch的情况下。假设a=30的频率很高，那么当所有的数都经过这个程序，a=30的时候，它就要进行前面的两次判断，而且它的出现概率还很高，所以这重复判断的次数更多，也就是说，这个程序写的效率就很低。这就是利用了统计学的规律来优化我们程序代码的案例。所以我们应该统计概率，然后根据概率来重写这段代码。

感觉讲到这里大家对哈夫曼树的思想已经差不多深入骨髓了吧。

后面来点习题强化理解：

这也是一个很不错的题目。

然后我就产生了一个疑问：

大家看这个2，3，4，5，大家觉得该采用哪种组织方式呢？我的计算应该没错吧？还是说两种组织方式都是可以的呢？？（这两个算法应该都是按照规则办事的，算法没问题吧？）

如果两种组织方式都可以，那么我就想起了牛课网的一道题目：

已知一段文本有1382个字符，使用了1382个字节进行存储，这段文本全部是由a、b、c、d、e这5个字符组成，a出现了354次，b出现了483次，c出现了227次，d出现了96次，e出现了232次，对这5个字符使用哈夫曼（Huffman）算法进行编码，则以下哪些说法正确？_迅雷笔试题_牛客网

截图如下：

官方给出的正确答案是：A C D

然后下面也有人给出解释：

链接：https://www.nowcoder.com/questionTerminal/0ad28ca1b2d44e0fbaddc0d076d607a9
来源：牛客网

A正确，Huffman树就是求最优解。可以有多套方案，但最终每套方案生成的编码长度都相同且都是最优解。

B错误，我们可以将左子树定为1右子树定为0也可以反之，不同的方案获得的编码值是不同的，但每个字符的编码长度是固定的。

C正确，不同的方案影响的只是通向节点的路径为0还是1，而不会影响Huffman树的层次结构

D正确，生成了Huffman树之后，我们就能看到，出现频率越高的节点越靠近根，深度越小即编码值尾数越短；出现频率越低的节点越远离根，深度越大即编码位数越长。

这里大家可以参阅着学习。大家可以前往链接的讨论区看看。

我的疑问就是C还有B的选项及其解释的正确性。每个字符编码的位（bit）数是确定的。然后反手回去看我上面提出的疑问，这里面不就是都是最优解，但是字符编码的位数应该不确定吧？？或者说这个结论只是针对本题而言的吗？

不过解释B中的，将左子树定为0或1都是可以的，所以编码值不是唯一的，这个我倒是很赞同的，毕竟没有强行说限制一定要0表示左子树，1表示右子树。这些都只是标准。

然后我咨询了一波老师，说哈夫曼编码不唯一，哈夫曼中，每个字符的编码位数也是不唯一的。这算一个参考答案，敢问客官，你怎么看？

欢迎交流讨论。