哈夫曼树和哈夫曼编码

概念介绍

• 路径和路径长度
  在一棵树中，从一个结点往下可以达到的孩子或孙子结点之间的通路，称为路径。通路中分支的数目称为路径长度。若规定根结点的层数为1，则从根结点到第L层结点的路径长度为L-1。如下图，L为路径长度。

• 结点的权
  若将树中结点赋给一个有着某种含义的数值，则这个数值称为该结点的权，如下图，W为权值。

• 带权路径长度
  从根结点到该结点之间的路径长度与该结点的权的乘积。
  A的带权路径长度：L1 X W1 = 15
  B的带权路径长度：L2 X W2 = 40
  C的带权路径长度：L3 X W3 = 30
  

• 树的带权路径长度
  所有叶子结点的带权路径长度之和，记为WPL。即WPL = L1 X W1 + L2 X W2 + L3 X W3 = 85

• 哈夫曼树
  给定N个权值作为N个叶子结点，构造一棵二叉树，若该树的带权路径长度达到最小，称这样的二叉树为最优二叉树，也称为哈夫曼树(Huffman Tree)。哈夫曼树是带权路径长度最短的树，权值较大的结点离根较近。

如何构造哈夫曼树

1. 在初始的一组数中寻找两个最小的数，构成子树，产生新的权值。注意：如果两个数相同，可以自行定义左右存放位置。
2. 在新的一组数中再找出两个最小的数，构成子树。
3. 依次循环，最终会构成一棵包含全部数的树，且这组数都为叶子节点。

哈夫曼编码

在数据通信中，需要将传送的文字转换成二进制的字符串，用0，1码的不同排列来表示字符。
例如，需传送的报文为“ABBCC CDDD D",A的次数1，B的次数2，C的次数3，D的次数4，要区别4个字母，最简单的二进制编码方式是等长编码，固定采用2位二进制，共可表示4个组合。如，
A：00
B：01
C：10
D：11
当对方接收报文时再按照二位一分进行译码。但如果有8个不同字母，则需要采用3位二进制，有16个不同字母，则需要采用4位二进制。然而，传送报文时总是希望总长度尽可能短。在实际应用中，各个字符的出现频度或使用次数是不相同的，可以在设计编码时，让使用频率高的用短码，使用频率低的用长码，以优化整个报文编码。
如下图，使哈夫曼树节点的左分支标为0，右分支标为1，形成哈夫曼编码如下：
A：110
B：111
C：10
D：0
使用频率高的字母编码长度越短。

下面来分析编码长度：

ABBCC CDDD D
普通编码：00010110101011111111 20位
哈夫曼编 1101111111010100000 19位
哈夫曼编码正好可以看成哈夫曼树的带权路径长度，根据哈夫曼树的性质，所以哈夫曼编码应该是最短的。