数据结构 - 哈夫曼树和哈夫曼编码

哈夫曼树和哈夫曼编码

哈夫曼（Huffman）编码是个实用的压缩编码方案。

哈夫曼树

引子

我们观察以下代码：

if( a < 60) {
   
	printf("不及格\n");
}else if( a < 70){
   
	printf("及格\n");
}else if( a < 80){
   
	printf("良好\n");
}else if( a < 90){
   
	printf("优秀\n");
}

我们用树来表示这个条件结构：

由于试卷结构，绝大多数的学生成绩集中在70-89之间，因此需要我们对判断流程树进行修改，达到最高的效率。

定义与原理

我们把刚刚的分数表按照范围进行标识：

A： 0~59 5% 不及格
B： 60~69 15% 及格
C：70~89 70% 良好
D：90~100 10% 优秀

把这棵二叉树简化为叶子结点带权的二叉树（树结点间的连线相关的数叫做权，Weight）。
‘
如下：

🖊定义

• 结点的路径长度：从根节点到该结点上的路径上的连接数

如左树中C的路径长度为3

• 树的路径长度：树中每个叶子结点的路径长度之和

如左树的路径长度为1+2+3+3=9

• 结点带权路径长度：结点的路径长度与权值的乘积

如左树中C的带权路径长度为3*70=210

• 树的带权路径长度：
  即WPL（Weighted Path Length）是树中所有叶子结点的带权路径长度之和

如左树的带权路径长度为1*5 + 2*15 + 3*70 +3*10 = 275；而右树的WPL为1*10 + 2* 70 + 3*5 + 3* 15 = 210。

WPL的值越小，说明构造出来的二叉树性能越优。显然右树更出彩。
我们把构造出的最优二叉树称为哈夫曼树。

🎯构造规则

例如：频率表 A：60, B:45, C:13 D:69 E:14 F:5 G:3

⭐️第一步：找出字符中最小的两个，小的在左边，大的在右边，组成二叉树。在频率表中删除此次找到的两个数，并加入此次最小两个数的频率和。

F和G最小，因此如图，从字符串频率计数中删除F与G，并返回G与F的和 8给频率表