数据结构（浙大慕课）：哈夫曼树、集合及运算

哈夫曼树

定义： 最优二叉树或哈夫曼树即为 WPL 最小的二叉树。

哈夫曼树的构造： 每次把权值最小的两棵二叉树合并

构造代码：

typedef struct TreeNode *HuffmanTree;
struct TreeNode{
	int Weight;
	HuffmanTree Left, Right;
}
HuffmanTree Huffman( MinHeap H )
{ /* 假设H->Size个权值已经存在H->Elements[]->Weight里 */
	int i; HuffmanTree T;
	BuildMinHeap(H); /*将H->Elements[]按权值调整为最小堆*/
	for (i = 1; i < H->Size; i++) { /*做H->Size-1次合并*/
		T = malloc( sizeof( struct TreeNode) ); /*建立新结点*/
		T->Left = DeleteMin(H);
		/*从最小堆中删除一个结点，作为新T的左子结点*/
		T->Right = DeleteMin(H);
		/*从最小堆中删除一个结点，作为新T的右子结点*/
		T->Weight = T->Left->Weight+T->Right->Weight;
		/*计算新权值*/
		Insert( H, T ); /*将新T插入最小堆*/
	}
	T = DeleteMin(H);
	return T;
}

特点：

• 没有度为 1 的结点；
• n 个叶子结点的哈夫曼树共有 2n - 1 个结点；
• 哈夫曼树的任意非叶结点的左右子树交换后仍是哈夫曼树；
• 对于同一组权值 {w₁，w₂，…，w_n}，可能存在不同构的哈夫曼树，但WPL一定相同，例子如下。
  

哈夫曼编码

不等长编码： 出现频率高的字符用的编码短些，出现频率低的字符则编码长些。

用哈夫曼进行不等长编码： 可以避免编码的二义性，因为每个字符所在的结点均为叶子结点，不可能出现在别的字符的路径上，就不会出现二义性，即任何字符的编码都不是另一字符编码的前缀。

编码的二义性： 有些字符的编码可能是另一些字符编码的前缀。例如： a 编码为 1，b 编码为 0，c 编码为10。那倘若现在给定编码为10，需要进行解码，就会出现二义性。10可以解码为 ab 和 c。

如下图所示，用二叉树进行编码：左边的二叉树编码为普通的不等长编码，WPL较大。右边为哈夫曼树（也算是一种二叉树）编码，可以保证达到最小的WPL，即编码代价最小。

哈夫曼树编码规则： 每次把权值最小的两个字母所在二叉树进行合并

集合及运算

集合的结构表示：
将一个集合里的元素构造成一棵树，用双亲表示法，即孩子指向双亲（之前学的树都是父亲指向左右儿子）。树再用数组进行表示。
数据描述：
采用数组存储形式。Parent处为 -1 则表示根节点；非负数表示双亲节点的下标。可以将Parent为负数进行改进，比如用 -7 表示这个集合里的元素个数。表示如下：

集合运算
（1）查找某个元素所在集合（用根节点表示）

int Find( SetType S[ ], ElementType X )
{ /* 在数组S中查找值为X的元素所属的集合 */
	/* MaxSize是全局变量，为数组S的最大长度 */
	int i;
	for ( i=0; i < MaxSize && S[i].Data != X; i++) ;//这一步时间复杂度很高T(N) = O(N^2)
	if( i >= MaxSize ) return -1; /* 未找到X，返回-1 */
	for( ; S[i].Parent >= 0; i = S[i].Parent ) ;
	return i; /* 找到X所属集合，返回树根结点在数组S中的下标 */
}

并运算
思路：
1、分别找到X1和X2两个元素所在集合树的根结点
2、如果它们不同根，则将其中一个根结点的父结点指针设置成另一个根结点的数组下标。

void Union( SetType S[ ], ElementType X1, ElementType X2 )
{
 int Root1, Root2;
 Root1 = Find(S, X1);
 Root2 = Find(S, X2);
 if（ Root1 != Root2 ）S[Root2].Parent = Root1;	//即当 x1 和 x2 不属于同一子集时，才需要合并。
}

改进： 为了改善合并以后的查找性能，可以进行按秩归并：
1、比规模：将规模小的集合合并到规模相对大的集合中。所以将根节点的 Parent 改成可以表示集合元素个数的负数。
2、比高度：将高度小的集合合并到高度相对大的集合中。所以将根节点的 Parent 改成可以表示集合的高度。

集合的应用

集合的简化表示：
将集合表示成数组形式存储，将集合的元素用下标的标号表示，而对应标号的数组内存储父节点的编号。可以减少存储空间，也可以减少查找操作的时间复杂度。
例如：

集合简化前操作：

typedef struct{
	ElementType Data;
	int Parent;
}SetType;

int Find( SetType S[ ], ElementType X )
{ /* 在数组S中查找值为X的元素所属的集合 */
	/* MaxSize是全局变量，为数组S的最大长度 */
	int i;
	for ( i=0; i < MaxSize && S[i].Data != X; i++) ;	//这一步时间复杂度很高！！！T(N) = O(N^2)
	if( i >= MaxSize ) return -1; /* 未找到X，返回-1 */
	for( ; S[i].Parent >= 0; i = S[i].Parent ) ;
	return i; /* 找到X所属集合，返回树根结点在数组S中的下标 */
}

集合的简化表示：

typedef int ElementType; /*默认元素可以用非负整数表示*/
typedef int SetName; /*默认用根结点的下标作为集合名称*/
typedef ElementType SetType[MaxSize];

SetName Find( SetType S, ElementType X ){ /* 默认集合元素全部初始化为-1 */
	for ( ; S[X]>=0; X=S[X] ) ;//这里是默认 X 一定在某个集合里面，如果严谨一点，则要多判定一下X是否在集合中
	return X;//返回的是要查找的元素 X 所在集合的父节点
} 
void Union( SetType S, SetName Root1, SetName Root2 ){ /* 这里默认Root1和Root2是不同集合的根结点 */
	S[Root2] = Root1;	// 这里就是进行最简单的并集操作，没有进行按秩归并和路径压缩。
	// 可能最终会退化成单向链表，查找的时间复杂度很大等等后果。
} 

集合的 按秩归并 和 路径压缩 操作具体参考PTA的 05-树8 File Transfer
按秩归并：
根据树高进行归并： 将矮树贴到高树上

根据树的规模进行归并： 将规模小的树贴到规模大的树上

路径压缩： 用路径压缩，查找操作的时间复杂度能从 O( Nlog₂N) 降为 O( Clog₂N) ，其中C为常数。
注意！ 路径压缩通常与按规模归并使用更方便。因为如果按树高归并的话，路径压缩会破坏树的高度，导致后续的归并变得比较复杂，还需要重新计算树高，而且计算复杂。但是路径压缩不会破坏树的规模，后续可以正常归并。