复旦大学961-数据结构-第二章-树（5）-哈夫曼（Huffman）树的定义与应用

961全部内容链接

哈夫曼（Huffman）树的定义

对于树的每个"叶节点"，都赋予一个权值w。如图

用它的权值乘以它的深度减1（从根节点到该节点所经过的边数），称为该节点的带权路径长度。 整个树的每个叶节点的带权路径长度之和，称为树的带权路径长度，公式如下：
$$WPL=\sum _{i=1}^n{w}_i{l}_i(w_i为第i个节点的权值,l_i为其路径长度)$$
WPL（Weighted Path Length of Tree）。对于同一批节点，带全路径长度最小的树称为哈夫曼树，也叫最优二叉树。

该图中，树的带权路径长度分别为：
$$\begin{array}{rl}& 图1：WPL=1\times 2+3\times 2+4\times 2+5\times 2=26\\ & 图2：WPL=1\times 3+3\times 3+4\times 2+5\times 1=25\\ & 图3：WPL=5\times 1+3\times 3+1\times 3+4\times 2=25\end{array}$$

其中，图2和图3的带权路径长度最小的树，即哈夫曼树。也就是说，哈夫曼树不唯一。

哈夫曼树的构造

1. 先将要构造哈夫曼树的节点放入一个集合
2. 每次从集合中挑出两个权值最小的节点，组成新的树。左右顺序无所谓
3. 将新的树加入集合，并删除原来的那两个节点
4. 重复2,3动作，直到集合中只剩下一棵树。则这棵树就是哈夫曼树

哈夫曼树的代码实现

todo，非重点，后期补充

哈夫曼树的应用

哈夫曼编码

哈夫曼编码主要用于数据压缩。

考虑如下场景，目前需要传输一段文本，其中只包含A,B,C,D，其中他们出现的频率不一样：分别为 A(10)，B(8)，C(80)，D(2)。如果按照ascii码（一个字母1个字节，也就是8个bit）进行对ABCD进行编码，不用说，肯定需要很大的空间。如果简化一下，对A,B,C,D进行如下编码：

A: 00
B: 01
C: 10
D: 11

这种编码每个字母的二进制位是一致的，称为固定长度编码，此时如果传递数据的话，需要200个bit位，计算方式如下：
$$10\ast 2+8\ast 2+80\ast 2+2\ast 2=200$$
如果将上述编码使用树进行表示，则如下图所示：

其中左边的边代表0，右边的边代表1。叶节点的权值就是该节点出现的频率。则该树的WPL就是要传输的bit长度。

此时，为了减少传输长度，就可以通过构造哈夫曼树，来将数据压缩到最小。构造后结果如下：

此时，各个字母的编码情况如下：

A: 10
B: 111
C: 0
D: 110

这种每个数据的编码长度不一致，就成为可变长度编码。此时，需要传输的数据长度为：
$$WPL=80\ast 1+10\ast 2+2\ast 3+8\ast 3=130$$

这样数据就得到了压缩。

注意：
一个编码不能是另一个编码的前缀，否则接受方就没法识别了。如果对应到哈夫曼树上，也就是说只有叶节点能存储数据，分支节点不可以存在数据。