Huffman Tree哈夫曼树的最小堆实现

带权路径长度WPL:从根结点到各个叶子结点的路径长度和相应叶子结点权值的乘积之和

哈夫曼树:带权路径长度最小的二叉树(最优二叉树)

-没有度为1的结点,有n个叶子结点的哈夫曼树共有2n-1个结点

-任意非叶结点的左右子树交换后依旧是哈夫曼树

-对同一组权值,存在多个不同的哈夫曼树,但带权路径长度都相同

哈夫曼树的构造:将权值按升序排列,每次把权值最小的两棵二叉树合并为一棵树,合并产生的新结点的权值为左右子树的权值之和,最终的根结点的权值即为最短带权路径长度。


如何找到权值最小的结点?——最小堆

堆:有优先权的队列,依照优先权(关键字)大小而不是入队顺序进行出队。即,插入时都是在队头插入,但删除时要查找最小的关键字;或者在插入的时候进行排序,删除时直接删去队尾元素。

存储结构:用数组表示的有序的完全二叉树,任一结点的关键字是其子树中所有结点的最小值.

最小堆的数据结构定义

typedef struct Heap *MinHeap;
struct Heap {
    HuffmanTree *Data; //存储哈夫曼树的结点的数组
    int Size; //堆当前存储的元素个数
    int Capacity; //堆的最大容量
};

最小堆的基本操作函数定义

-生成一个空的最小堆

MinHeap CreateMinHeap(int MaxSize) //创建一个空的最小堆
{
    MinHeap H = (MinHeap)malloc(sizeof(struct Heap));
    H->Data = (HuffmanTree)malloc((MaxSize+1)*sizeof(struct TNode));
    H->Size = 0;
    H->Capacity = MaxSize;
    H->Data[0]->Weight = MINDATA; //哨兵,比所有结点都要小的值#define MINDATA -1
    return H;
}

-创建最小堆

void PercDown(MinHeap H, int p) //调整算法
{
    int Parent, Child;
    HuffmanTree MinT,temp;
    MinT = H->Data[p]; //取出根结点
    temp = H->Data[H->Size--]; //最小堆中的最后一个元素
    for(Parent = p; Parent*2 <= H->Size; Parent = Child) { //在有左孩子的条件下,从根结点开始向下比较
        Child = Parent*2; //先让Child指向左孩子
        if((Child != H->Size) && (H->Data[Child] > H->Data[Child+1])) //如果有右孩子且右孩子比左孩子小
            Child++; //Child指向右孩子
        if(temp <= H->Data[Child]) //如果最后这个元素比根结点的左右孩子都小,即temp是最小元素
            break;
        else //否则将左右孩子中小的那一个移动到根结点
            H->Data[Parent] = H->Data[Child];
    }
    H->Data[Parent] = temp;
}

void BuildMinHeap(MinHeap H) //先形成一个完全二叉树,再不断调整以满足哈夫曼树的特性
{
    int i;
    for(i = H->Size/2; i > 0; i--)
        PercDown(H,i);
}

 -最小堆的插入

bool IsFull(MinHeap H) //判断最小堆是否已满
{
    if (H->Size == H->Capacity)
        return true;
    else
        return false;
}

void Insert(MinHeap H, HuffmanTree T) //将元素T插入最小堆,元素类型为树结点
{
    int i;
    if (IsFull(H)) {
        printf("最小堆已满");
        return;
    }
    i = ++H->Size; //i插入到堆中最后一个元素后面
    for( ; H->Data[i/2]->Weight > T->Weight; i/=2) //不断跟父结点比较
        H->Data[i] = H->Data[i/2];
    H->Data[i] = T; //将T插入
}

-最小堆的删除

bool IsEmpty(MinHeap H) //判断最小堆是否为空
{
    if (H->Size == 0)
        return true;
    else
        return false;
}

HuffmanTree DeleteMin(MinHeap H) //删除并返回最小堆中最小的元素
{
    int Parent, Child;
    HuffmanTree MinT, temp;
    if(IsEmpty(H)) {
        printf("最小堆已空");
    }
    MinT = H->Data[1]; //取出根结点
    temp = H->Data[H->Size--]; //最小堆中的最后一个元素
    for(Parent = 1; Parent*2 <= H->Size; Parent = Child) { //在有左孩子的条件下,从根结点开始向下比较
        Child = Parent*2; //先让Child指向左孩子
        if((Child != H->Size) && (H->Data[Child] > H->Data[Child+1])) //如果有右孩子且右孩子比左孩子小
            Child++; //Child指向右孩子
        if(temp <= H->Data[Child]) //如果最后这个元素比根结点的左右孩子都小,即temp是最小元素
            break;
        else //否则将左右孩子中小的那一个移动到根结点
            H->Data[Parent] = H->Data[Child];
    }
    H->Data[Parent] = temp;
    return MinT;
}

将找到的最小结点合并——哈夫曼树的构造

链表实现

哈夫曼树的数据结构定义

typedef struct TNode *HuffmanTree;
struct TNode { //树结点定义
    int Weight; //权值
    HuffmanTree Left, Right; //左右孩子,类型为树结点
};

哈夫曼树的构造

HuffmanTree Huffman(MinHeap H)
{
    int i;
    HuffmanTree T;
    BuildMinHeap(H);
    for (i = 1; i < H->Size; i++) { //做Size-1次合并
        T = (HuffmanTree)malloc(sizeof(struct TNode));
        T->Left = DeleteMin(H); //从最小堆中删除一个结点作为新的T的左孩子
        T->Right = DeleteMin(H); //从最小堆中删除一个结点作为新的T的右孩子
        T->Weight = T->Left->Weight + T->Right->Weight;//计算新带权路径长度
        Insert(H,T); //将新T插入最小堆
    }
    T = DeleteMin(H);
    return T;
}

数组实现

数据结构定义

typedef struct {
    char data; //结点的数据
    int weight; //结点的权值
    int lchild, rchild; //左、右孩子
    int parent; //父结点
}HNode;

哈夫曼树的构造

void HuffmanTree(HNode hufftree[], int w[], int n)
{
    for(i = 0; i < 2*n-1; i++) { //初始化
        hufftree[i].parent = -1;
        hufftree[i].lchild = -1;
        hufftree[i].rchild = -1;
    }
    for(i = 0; i < n; i++) //初始化结点权重
        hufftree[i].weight = -1;
    for(k = 0; k < 2*n-1; k++) {
        Select(hufftree, i1, i2); //待写
        hufftree[i1].parent = k;
        hufftree[i2].parent = k;
        hufftree[k].weight = hufftree[i1].weight + hufftree[i2].weight;
        hufftree[k].lchild = i1;
        hufftree[k].rchild = i2;
    }
}

哈夫曼编码

 - 根据字符出现的频率构造哈夫曼树,使电文总长度最短 

 - 从根结点开始,若编码是1则往左走,编码是0则往右走,遇到叶子结点则译出一个字符

 

  • 4
    点赞
  • 36
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
下面是一个基于数组的哈夫曼树权值实现的示例代码,供您参考: ```c #include <stdio.h> #define MAX_NODE_NUM 1000 // 哈夫曼树节点结构体 typedef struct { int weight; // 权值 int parent; // 父节点 int leftChild; // 左孩子 int rightChild; // 右孩子 } HuffmanNode; // 构建哈夫曼树 void createHuffmanTree(HuffmanNode huffmanTree[], int weight[], int n) { int i, j, k; int min1, min2; // 初始化哈夫曼树 for (i = 0; i < 2 * n - 1; i++) { huffmanTree[i].parent = -1; huffmanTree[i].leftChild = -1; huffmanTree[i].rightChild = -1; } // 设置叶子节点的权值 for (i = 0; i < n; i++) { huffmanTree[i].weight = weight[i]; } // 构建哈夫曼树 for (i = 0; i < n - 1; i++) { min1 = min2 = MAX_NODE_NUM; k = 0; // 查找权值最小的两个节点 for (j = 0; j < n + i; j++) { if (huffmanTree[j].parent == -1 && huffmanTree[j].weight < min1) { min2 = min1; min1 = huffmanTree[j].weight; k = j; } else if (huffmanTree[j].parent == -1 && huffmanTree[j].weight < min2) { min2 = huffmanTree[j].weight; } } // 设置父节点 huffmanTree[k].parent = n + i; huffmanTree[n + i].weight = min1 + min2; // 设置左孩子和右孩子 for (j = 0; j < n + i; j++) { if (huffmanTree[j].parent == -1) { if (huffmanTree[j].weight == min1) { huffmanTree[j].parent = n + i; huffmanTree[n + i].leftChild = j; } else if (huffmanTree[j].weight == min2) { huffmanTree[j].parent = n + i; huffmanTree[n + i].rightChild = j; } } } } } int main() { int i; int weight[] = {5, 6, 8, 7, 15}; int n = sizeof(weight) / sizeof(weight[0]); HuffmanNode huffmanTree[MAX_NODE_NUM]; // 构建哈夫曼树 createHuffmanTree(huffmanTree, weight, n); // 输出哈夫曼树的权值 printf("Huffman Tree Weight:\n"); for (i = 0; i < 2 * n - 1; i++) { printf("%d ", huffmanTree[i].weight); } printf("\n"); return 0; } ``` 在这个代码中,`HuffmanNode` 结构体表示哈夫曼树的节点,包含权值、父节点、左孩子和右孩子等信息。`createHuffmanTree` 函数用于构建哈夫曼树,接收一个 `HuffmanNode` 数组 `huffmanTree`,一个整型数组 `weight` 表示每个叶子节点的权值,以及一个整数 `n` 表示叶子节点的个数。 在构建哈夫曼树的过程中,我们首先初始化哈夫曼树的节点信息,然后将叶子节点的权值设置到节点中。接着,我们进行 `n-1` 次迭代,在每一次迭代中查找权值最小的两个节点,并将它们合并为一个新的节点。最后,我们就可以得到一个完整的哈夫曼树。 在示例代码中,我们使用了一个数组来表示哈夫曼树,节点的下标就是节点的编号。在构建哈夫曼树的过程中,我们通过设置节点的 `parent`、`leftChild` 和 `rightChild` 等属性来表示节点之间的关系。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Kentos(acoustic ver.)

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值