哈夫曼树（理论篇）



与哈夫曼树有关的概念：

 

路径： 树中一个结点到另一个结点之间的分支构成这两个结点之间的路径。

 

路径长度：路径上的分枝数目称作路径长度。

 

树的路径长度：从树根到每一个结点的路径长度之和。

 

结点的带权路径长度：在一棵树中，如果其结点上附带有一个权值，通常把该结点的路径长度与该结点上的权值

                                                              之积称为该结点的带权路径长度（weighted path length）

树的带权路径长度：如果树中每个叶子上都带有一个权值，则把树中所有叶子的带权路径长度之和称为树的带

                                   权路径长度

  什么是权值?

　　权值就是定义的路径上面的值。可以这样理解为节点间的距离。通常指字符对应的二进制编码出现的概率。

　　至于霍夫曼树中的权值可以理解为：权值大表明出现概率大！

　　一个结点的权值实际上就是这个结点子树在整个树中所占的比例.

　　abcd四个叶子结点的权值为7,5,2,4. 这个7,5,2,4是根据实际情况得到的,比如说从一段文本中统计出abcd四个字母出现的次数分别为7,5,2,4. 说a结点的权值为7,意思是说a结点在系统中占有7这个份量.实际上也可以化为百分比来表示,但反而麻烦,实际上是一样的.

 设某二叉树有n个带权值的叶子结点，则该二叉树的带权路径长度记为：

                                  

公式中，Wk为第k个叶子结点的权值；Lk为该结点的路径长度。

 

示例：

======================================================================================================

 

一般来说，用n（n>0）个带权值的叶子来构造二叉树，限定二叉树中除了这n个叶子外只能出现度为2的结点。

 

那么符合这样条件的二叉树往往可构造出许多颗，

 

 

其中带权路径长度最小的二叉树就称为哈夫曼树或最优二叉树

  二、哈夫曼树的构造

 

根据哈弗曼树的定义，一棵二叉树要使其WPL值最小，必须使权值越大的叶子结点越靠近根结点，而权值越小的叶子结点

越远离根结点。

 

哈弗曼依据这一特点提出了一种构造最优二叉树的方法，其基本思想如下：

 

下面演示了用Huffman算法构造一棵Huffman树的过程：

 

不等长编码

            在传送电文时，为了使其二进制位数尽可能地少，可以将每个字符的编码设计为不等长的，使用频度较高的字符分配一个相对比较短的编码，使用频度较低的字符分配一个比较长的编码。例如，可以为A，B，C，D四个字符分别分配0，00，1，01，并可将上述电文用二进制序列：000011010发送，其长度只有9个二进制位，但随之带来了一个问题，接收方接到这段电文后无法进行译码，因为无法断定前面4个0是4个A，1个B、2个A，还是2个B，即译码不唯一，因此这种编码方法不可使用。

 

因此，为了设计长短不等的编码，以便减少电文的总长，还必须考虑编码的唯一性，即在建立不等长编码时必须使任何一个字符的编码都不是另一个字符的前缀，这宗编码称为前缀编码（prefix  code）

 

 

 

（1）利用字符集中每个字符的使用频率作为权值构造一个哈夫曼树；

（2）从根结点开始，为到每个叶子结点路径上的左分支赋予0，右分支赋予1，并从根到叶子方向形成该叶子结点的编码

 

 

例题：

假设一个文本文件TFile中只包含7个字符{A，B，C，D，E，F，G}，这7个字符在文本中出现的次数为{5，24，7，17，34，5，13}

利用哈夫曼树可以为文件TFile构造出符合前缀编码要求的不等长编码

 

具体做法：

 

1. 将TFile中7个字符都作为叶子结点，每个字符出现次数作为该叶子结点的权值

2. 规定哈夫曼树中所有左分支表示字符0，所有右分支表示字符1,将依次从根结点到每个叶子结点所经过的分支的二进制位的序列作为该

     结点对应的字符编码

3. 由于从根结点到任何一个叶子结点都不可能经过其他叶子，这种编码一定是前缀编码，哈夫曼树的带权路径长度正好是文件TFile编码

    的总长度

 

通过哈夫曼树来构造的编码称为哈弗曼编码（huffman code）