算法导论程序41--赫夫曼编码

贪心算法的原理：

赫夫曼编码可以很有效地压缩数据：通常可以节省20%~90%的空间。

根据每个字符的出现频率，赫夫曼贪心算法构造出字符的最优二进制表示。

变长编码可以达到定长编码好得多的压缩率，其思想是赋予高频字符短码字，赋予低频字符长码字。

前缀码：即没有任何码字是其他码字的前缀。前缀码可以保证达到最优数据压缩率（证明略）

前缀码的作用是简化解码的过程。由于没有码字是其他码字的前缀，编码文件的开始码字是无歧义的，我们可以简单地识别出开始码字，将其转换回原字符，然后对编码文件剩余部分重复这种解码过程。

编码树：解码过程需要前缀码的一种方便的表示形式，以便我们可以容易地截取开始码字。一种二叉树表示可以满足这种需求，其叶结点为给定的字符。字符的二进制码字从根结点到该字符叶结点的简单路径表示，其中0意味着“转向左孩子”，1意味着转向右孩子。

文件的最优编码方案总是对应一棵满（full）二叉树，即每个非叶结点都有两个孩子结点。

现在我们只关注满二叉树。若C为字母表且所有字符的出现频率均为正数，则最优前缀码对应的树恰有|C|个叶结点，每个叶结点对应字母表中的一个字符，且恰有|C|-1个叶结点。

构造赫夫曼编码：

赫夫曼设计了一个贪心算法来构造最优前缀码，被称为赫夫曼编码。

我们假定C是一个n个字符的集合，其中每个字符c属于C都是一个对象，其属性c.freq给出了字符的出现频率。算法自底向上构造出对应最优编码的二叉树T，它从|C|个叶结点开始，执行|C|-1“合并”操作创建出最终的二叉树。算法使用一个以属性freq为关键字最小优先队列Q，以识别最低频率的对象将其合并。当合并两个对象时，得到的新对象频率设置为原来的两个对象的频率之和。