数据结构之哈夫曼树

最新推荐文章于 2023-08-07 21:10:13 发布
最新推荐文章于 2023-08-07 21:10:13 发布
阅读量1.8k 收藏 3
点赞数 1
分类专栏： 数据结构 文章标签： 数据结构 二叉树 哈夫曼树

哈夫曼树的介绍

定义：给定n个权值作为n个叶子结点，构造一棵二叉树，若树的带权路径长度达到最小，则这棵树被称为哈夫曼树。

构造一棵哈夫曼树

假设有n个权值，则构造出的哈夫曼树有n个叶子结点。 n个权值分别设为 w1、w2、…、wn，哈夫曼树的构造规则为：

  1. 将w1、w2、…，wn看成是有n 棵树的森林(每棵树仅有一个结点)；
  2. 在森林中选出根结点的权值最小的两棵树进行合并，作为一棵新树的左、右子树，且新树的根结点权值为其左、右子树根结点权值之和；
  3. 从森林中删除选取的两棵树，并将新树加入森林；
  4. 重复(02)、(03)步，直到森林中只剩一棵树为止，该树即为所求得的哈夫曼树。

第1步：创建森林，森林包括5棵树，这5棵树的权值分别是5,6,7,8,15。
第2步：在森林中，选择根节点权值最小的两棵树(5和6)来进行合并，将它们作为一颗新树的左右孩子(谁左谁右无关紧要，这里，我们选择较小的作为左孩子)，并且新树的权值是左右孩子的权值之和。即，新树的权值是11。 然后，将”树5”和”树6”从森林中删除，并将新的树(树11)添加到森林中。
第3步：在森林中，选择根节点权值最小的两棵树(7和8)来进行合并。得到的新树的权值是15。 然后，将”树7”和”树8”从森林中删除，并将新的树(树15)添加到森林中。
第4步：在森林中，选择根节点权值最小的两棵树(11和15)来进行合并。得到的新树的权值是26。 然后，将”树11”和”树15”从森林中删除，并将新的树(树26)添加到森林中。
第5步：在森林中，选择根节点权值最小的两棵树(15和26)来进行合并。得到的新树的权值是41。 然后，将”树15”和”树26”从森林中删除，并将新的树(树41)添加到森林中。
此时，森林中只有一棵树(树41)。这棵树就是我们需要的哈夫曼树

实现

哈夫曼树的节点类 

/**
 * Huffman树节点类
 *
 * @author skywang
 * @date 2014/03/25
 */

#ifndef _HUFFMAN_NODE_HPP_
#define _HUFFMAN_NODE_HPP_

template <class T>
class HuffmanNode{
    public:
        T key;              // 权值
        HuffmanNode *left;  // 左孩子
        HuffmanNode *right; // 右孩子
        HuffmanNode *parent;// 父结点


        HuffmanNode(){}
        HuffmanNode(T value, HuffmanNode *l, HuffmanNode *r, HuffmanNode *p):
            key(value),left(l),right(r),parent(p) {}
};

#endif

最小堆 

/**
 * 最小堆：为Huffman树服务的。
 *
 * @author skywang
 * @date 2014/03/25
 */

#ifndef _HUFFMAN_MIN_HEAP_HPP_
#define _HUFFMAN_MIN_HEAP_HPP_

#include "HuffmanNode.h"

template <class T>
class MinHeap {
    private:
        HuffmanNode<T> *mHeap;  // 最小堆的数组
        int mCapacity;          // 总的容量
        int mSize;              // 当前有效数据的数量
    private:
        // 上调算法
        void filterUp(int start);
        // 下调算法
        void filterDown(int start, int end);
        // 交换两个HuffmanNode节点的全部数据，i和j是节点索引。
        void swapNode(int i, int j);
    public:
        MinHeap();
        ~MinHeap();

        // 将node的全部数据拷贝给"最小堆的指定节点"
        int copyOf(HuffmanNode<T> *node);
        // 获取最小节点
        HuffmanNode<T>* dumpFromMinimum();
        // 创建最小堆
        void create(T a[], int size);
        // 销毁最小堆
        void destroy();
};


template <class T>
MinHeap<T>::MinHeap()
{
}

template <class T>
MinHeap<T>::~MinHeap()
{
    destroy();
}

/* 
 * 最小堆的向下调整算法
 *
 * 注：数组实现的堆中，第N个节点的左孩子的索引值是(2N+1)，右孩子的索引是(2N+2)。
 *
 * 参数说明：
 *     start -- 被下调节点的起始位置(一般为0，表示从第1个开始)
 *     end   -- 截至范围(一般为数组中最后一个元素的索引)
 */
template <class T>
void MinHeap<T>::filterDown(int start, int end)
{
    int c = start;      // 当前(current)节点的位置
    int l = 2*c + 1;    // 左(left)孩子的位置
    HuffmanNode<T> tmp = mHeap[c];  // 当前(current)节点

    while(l <= end)
    {
        // "l"是左孩子，"l+1"是右孩子
        if(l < end && mHeap[l].key > mHeap[l+1].key)
            l++;        // 左右两孩子中选择较小者，即mHeap[l+1]
        if(tmp.key <= mHeap[l].key)
            break;      //调整结束
        else
        {
            mHeap[c] = mHeap[l];
            c = l;
            l = 2*l + 1;   
        }       
    }   
    mHeap[c] = tmp;
}

/*
 * 最小堆的向上调整算法(从start开始向上直到0，调整堆)
 *
 * 注：数组实现的堆中，第N个节点的左孩子的索引值是(2N+1)，右孩子的索引是(2N+2)。
 *
 * 参数说明：
 *     start -- 被上调节点的起始位置(一般为数组中最后一个元素的索引)
 */
template <class T>
void MinHeap<T>::filterUp(int start)
{
    int c = start;          // 当前节点(current)的位置
    int p = (c-1)/2;        // 父(parent)结点的位置 
    HuffmanNode<T> tmp = mHeap[c];      // 当前节点(current)

    while(c > 0)
    {
        if(mHeap[p].key <= tmp.key)
            break;
        else
        {
            mHeap[c] = mHeap[p];
            c = p;
            p = (p-1)/2;   
        }       
    }
    mHeap[c] = tmp;
}

/* 
 * 将node的全部数据拷贝给"最小堆的指定节点"
 *
 * 返回值：
 *     0，表示成功
 *    -1，表示失败
 */
template <class T>
int MinHeap<T>::copyOf(HuffmanNode<T> *node)
{
    // 如果"堆"已满，则返回
    if(mSize == mCapacity)
        return -1;

    mHeap[mSize] = *node;   // 将"node的数据"全部复制到"数组末尾"
    filterUp(mSize);        // 向上调整堆
    mSize++;                // 堆的实际容量+1

    return 0;
}

/*
 * 交换两个HuffmanNode节点的全部数据
 */
template <class T>
void MinHeap<T>::swapNode(int i, int j)
{
    HuffmanNode<T> tmp = mHeap[i];
    mHeap[i] = mHeap[j];
    mHeap[j] = tmp;
}

/* 
 * 新建一个节点，并将最小堆中最小节点的数据复制给该节点。
 * 然后除最小节点之外的数据重新构造成最小堆。
 *
 * 返回值：
 *     失败返回NULL。
 */
template <class T>
HuffmanNode<T>* MinHeap<T>::dumpFromMinimum()
{
    // 如果"堆"已空，则返回
    if(mSize == 0)
        return NULL;

    HuffmanNode<T> *node;
    if((node = new HuffmanNode<T>()) == NULL)
        return NULL;

    // 将"最小节点的全部数据"复制给node
    *node = mHeap[0];

    swapNode(0, mSize-1);               // 交换"最小节点"和"最后一个节点"
    filterDown(0, mSize-2); // 将mHeap[0...mSize-2]构造成一个最小堆
    mSize--;                        

    return node;
}

/* 
 * 创建最小堆
 *
 * 参数说明：
 *     a -- 数据所在的数组
 *     size -- 数组大小
 */
template <class T>
void MinHeap<T>::create(T a[], int size)
{
    int i;

    // 创建最小堆所对应的数组
    mSize = size;
    mCapacity = size;
    mHeap = new HuffmanNode<T>[size];

    // 初始化数组
    for(i=0; i<size; i++)
    {
        mHeap[i].key = a[i];
        mHeap[i].parent = mHeap[i].left = mHeap[i].right = NULL;
    }

    // 从(size/2-1) --> 0逐次遍历。遍历之后，得到的数组实际上是一个最小堆。
    for (i = size / 2 - 1; i >= 0; i--)
        filterDown(i, size-1);
}

// 销毁最小堆
template <class T>
void MinHeap<T>::destroy()
{
    mSize = 0;
    mCapacity = 0;
    delete[] mHeap;
    mHeap = NULL;
}
#endif

哈夫曼树 

/**
 * C++实现的Huffman树。
 *
 * 构造Huffman树时，使用到了最小堆。
 *
 * @author skywang
 * @date 2014/03/25
 */

#ifndef _HUFFMAN_TREE_HPP_
#define _HUFFMAN_TREE_HPP_

#include <iomanip>
#include <iostream>
#include "HuffmanNode.h"
#include "MinHeap.h"
using namespace std;

template <class T>
class Huffman {
    private:
        HuffmanNode<T> *mRoot;  // 根结点

    public:
        Huffman();
        ~Huffman();

        // 前序遍历"Huffman树"
        void preOrder();
        // 中序遍历"Huffman树"
        void inOrder();
        // 后序遍历"Huffman树"
        void postOrder();

        // 创建Huffman树
        void create(T a[], int size);
        // 销毁Huffman树
        void destroy();

        // 打印Huffman树
        void print();
    private:
        // 前序遍历"Huffman树"
        void preOrder(HuffmanNode<T>* tree) const;
        // 中序遍历"Huffman树"
        void inOrder(HuffmanNode<T>* tree) const;
        // 后序遍历"Huffman树"
        void postOrder(HuffmanNode<T>* tree) const;

        // 销毁Huffman树
        void destroy(HuffmanNode<T>* &tree);

        // 打印Huffman树
        void print(HuffmanNode<T>* tree, T key, int direction);
};

/* 
 * 构造函数
 */
template <class T>
Huffman<T>::Huffman():mRoot(NULL)
{
}

/* 
 * 析构函数
 */
template <class T>
Huffman<T>::~Huffman() 
{
    destroy();
}

/*
 * 前序遍历"Huffman树"
 */
template <class T>
void Huffman<T>::preOrder(HuffmanNode<T>* tree) const
{
    if(tree != NULL)
    {
        cout<< tree->key << " " ;
        preOrder(tree->left);
        preOrder(tree->right);
    }
}

template <class T>
void Huffman<T>::preOrder() 
{
    preOrder(mRoot);
}

/*
 * 中序遍历"Huffman树"
 */
template <class T>
void Huffman<T>::inOrder(HuffmanNode<T>* tree) const
{
    if(tree != NULL)
    {
        inOrder(tree->left);
        cout<< tree->key << " " ;
        inOrder(tree->right);
    }
}

template <class T>
void Huffman<T>::inOrder() 
{
    inOrder(mRoot);
}

/*
 * 后序遍历"Huffman树"
 */
template <class T>
void Huffman<T>::postOrder(HuffmanNode<T>* tree) const
{
    if(tree != NULL)
    {
        postOrder(tree->left);
        postOrder(tree->right);
        cout<< tree->key << " " ;
    }
}

template <class T>
void Huffman<T>::postOrder() 
{
    postOrder(mRoot);
}

/* 
 * 创建Huffman树
 *
 * 参数说明：
 *     a 权值数组
 *     size 数组大小
 *
 * 返回值：
 *     Huffman树的根节点
 */
template <class T>
void Huffman<T>::create(T a[], int size)
{
    int i;
    HuffmanNode<T> *left, *right, *parent;
    MinHeap<T> *heap = new MinHeap<T>();

    // 建立数组a对应的最小堆
    heap->create(a, size);

    for(i=0; i<size-1; i++)
    {   
        left = heap->dumpFromMinimum();  // 最小节点是左孩子
        right = heap->dumpFromMinimum(); // 其次才是右孩子

        // 新建parent节点，左右孩子分别是left/right；
        // parent的大小是左右孩子之和
        parent = new HuffmanNode<T>(left->key+right->key, left, right, NULL);
        left->parent = parent;
        right->parent = parent;


        // 将parent节点数据拷贝到"最小堆"中
        if (heap->copyOf(parent)!=0)
        {
            cout << "插入失败!" << endl << "结束程序" << endl;
            destroy(parent);
            parent = NULL;
            break;
        }
    }

    mRoot = parent;

    // 销毁最小堆
    heap->destroy();
    delete heap;
}

/*
 * 销毁Huffman树
 */
template <class T>
void Huffman<T>::destroy(HuffmanNode<T>* &tree)
{
    if (tree==NULL)
        return ;

    if (tree->left != NULL)
        return destroy(tree->left);
    if (tree->right != NULL)
        return destroy(tree->right);

    delete tree;
    tree=NULL;
}

template <class T>
void Huffman<T>::destroy()
{
    destroy(mRoot);
}

/*
 * 打印"Huffman树"
 *
 * key        -- 节点的键值 
 * direction  --  0，表示该节点是根节点;
 *               -1，表示该节点是它的父结点的左孩子;
 *                1，表示该节点是它的父结点的右孩子。
 */
template <class T>
void Huffman<T>::print(HuffmanNode<T>* tree, T key, int direction)
{
    if(tree != NULL)
    {
        if(direction==0)    // tree是根节点
            cout << setw(2) << tree->key << " is root" << endl;
        else                // tree是分支节点
            cout << setw(2) << tree->key << " is " << setw(2) << key << "'s "  << setw(12) << (direction==1?"right child" : "left child") << endl;

        print(tree->left, tree->key, -1);
        print(tree->right,tree->key,  1);
    }
}

template <class T>
void Huffman<T>::print()
{
    if (mRoot != NULL)
        print(mRoot, mRoot->key, 0);
}

#endif

测试程序 

/**
 * Huffman树测试程序
 *
 * @author skywang
 * @date 2014/03/25
 */

#include <iostream>
#include "Huffman.h"
using namespace std;


int main()
{
    int a[]= {5,6,8,7,15};
    int i, ilen = sizeof(a) / (sizeof(a[0])) ;
    Huffman<int>* tree=new Huffman<int>();

    cout << "== 添加数组: ";
    for(i=0; i<ilen; i++) 
        cout << a[i] <<" ";

    tree->create(a, ilen);

    cout << "\n== 前序遍历: ";
    tree->preOrder();

    cout << "\n== 中序遍历: ";
    tree->inOrder();

    cout << "\n== 后序遍历: ";
    tree->postOrder();
    cout << endl;

    cout << "== 树的详细信息: " << endl;
    tree->print();

    // 销毁二叉树
    tree->destroy();
    system("pause");
    return 0;
}

这里写图片描述

Ricardo.M.Jiang
关注
专栏目录
数据结构：哈夫曼树
theLostLamb的博客
03-04 399
#include &lt;stdio.h&gt; #include &lt;stdlib.h&gt; struct BTreeNode { int data; struct BTreeNode* left; struct BTreeNode* right; }; struct BTreeNode* createHuffman (int a[], int n) {//根据...
数据结构哈夫曼树
weixin_44581918的博客
01-31 327
数据结构之哈夫曼树哈夫曼树与哈夫曼编码哈夫曼树构造算法哈夫曼编码（前缀编码） 哈夫曼树与哈夫曼编码 Huffman树，又称最优树，严格的满二叉树，是一类带权路径长度最短的树： 即WPL=WPL=WPL= 假设有n个权值不同的数目，则可以构造一棵含有n个叶子结点的二叉树，在所有的二叉树中，仅有带权路径长度最小的哪一个二叉树称为最优二叉树或赫夫曼树。 因此，主要的问题是如何构造哈夫曼树与实现哈夫曼编码。 哈夫曼树构造算法 即小树汇大树，叙述如下： 1）根据给定的n个权值{W1,W2,W3,Wn}构成n颗单节点子
数据结构——哈夫曼树
weixin_51345990的博客
01-26 1120
JAVA数据结构——哈夫曼树
Python数据结构之哈夫曼树定义与使用方法示例
01-20
本文实例讲述了Python数据结构之哈夫曼树定义与使用方法。分享给大家供大家参考，具体如下： HaffMan.py #coding=utf-8 #考虑权值的haff曼树查找效率并非最高,但可以用于编码等使用场景下 class TreeNode: def __...
头歌数据结构构建哈夫曼树及编码
05-18
哈夫曼树是一种特殊的二叉树，用于解决数据压缩中的编码问题。它的构造原则是使得树中所有叶子节点（代表需要编码的字符）到...此外，哈夫曼树还被广泛应用于数据结构和算法的教学中，帮助学生理解二叉树的操作和应用。
数据结构 哈夫曼树
12-10
首先根据给定的n个字符的权值构造哈夫曼树。通过遍历此二叉树完成各字符的哈夫曼编码，另输入一组‘0’、‘1’代码构成的报文将其翻译成对应的字符信息。
【数据结构】赫夫曼树
徐刘根的博客
03-26 3216
数据结构赫夫曼树 /* 名称：赫夫曼树 语言：数据结构C语言版 编译环境：VC++ 6.0 日期： 2014-3-26 */ #include #include #include #include #include // 赫夫曼树和赫夫曼编码的存储表示 typedef struct { unsigned int weight; unsigned int p
数据结构-哈夫曼树
若疆~赤云
03-15 211
哈夫曼树被称为最优二叉树。是一类带权路径最短的二叉树。 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量称为两个节点之间的路径长度。 树的路径长度：从根节点到树中每一个节点的路径长度之和。 节点的带权路径长度：从该节点到根节点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。 带权路径最小的二叉树被称为哈夫曼树或最优二叉树。 简单代码实现：...
数据结构【哈夫曼树】
最新发布
huajian225的博客
08-07 1640
哈夫曼树的概念 哈夫曼树的构造 构造算法的实现 哈夫曼树应用 哈夫曼编码 哈夫曼编码的算法实现
【数据结构】huffman Tree
热门推荐
远方不远
05-02 1万+
简单介绍了赫夫曼树以及对应的代码。
数据结构—哈夫曼树
qi_SJQ_的博客
02-20 874
哈夫曼树与哈夫曼编码： 1.常见算法为：构造哈夫曼树 描述： void CreatHuffmanTree(HuffmanTree &HT, int n) { //构造赫夫曼树HT int m, s1, s2, i; if (n <= 1) return; m = 2 * n - 1; HT = new HTNode[m + 1]; // 0号单元未用，所以需要动态分配m+1个单元，HT[m]表示根结点 for (i = 1; i <= m; ++i) // 将1
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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