赫夫曼树概述

HuffmanTree因为翻译不同所以有其他的名字：赫夫曼树、霍夫曼树、哈夫曼树

赫夫曼树又称最优二叉树，是一种带权路径长度最短的二叉树。所谓树的带权路径长度，就是树中所有的叶结点的权值乘上其到根结点的路径长度（若根结点为0层，叶结点到根结点的路径长度为叶结点的层数）。树的路径长度是从树根到每一结点的路径长度之和，记为WPL=（W1L1+W2L2+W3L3+…+WnLn），N个权值Wi（i=1,2,…n）构成一棵有N个叶结点的二叉树，相应的叶结点的路径长度为Li（i=1,2,…n）。可以证明赫夫曼树的WPL是最小的。

定义

路径：路径是指从一个节点到另一个节点的分支序列。

路径长度：指从一个节点到另一个结点所经过的分支数目。如下图：从根节点到a的分支数目为2

树的路径长度：树中所有结点的路径长度之和为树的路径长度PL。如下图：PL为10

节点的权：给树的每个结点赋予一个具有某种实际意义的实数，我们称该实数为这个结点的权。如下图：7、5、2、4

带权路径长度：从树根到某一结点的路径长度与该节点的权的乘积，叫做该结点的带权路径长度。如下图：A的带权路径长度为2*7=14

树的带权路径长度（WPL）：树的带权路径长度为树中所有叶子节点的带权路径长度之和

最优二叉树：权值最大的节点离跟节点越近的二叉树，所得WPL值最小，就是最优二叉树。如下图：（b）

（a）WPL=9*2+4*2+5*2+2*2=40
（b）WPL=9*1+5*2+4*3+2*3=37
（c） WPL=4*1+2*2+5*3+9*3=50

构造赫夫曼树步骤

对于数组{5,29,7,8,14,23,3,11}，我们把它构造成赫夫曼树

第一步：使用数组中所有元素创建若干个二叉树，这些值作为节点的权值（只有一个节点）。

第二步：将这些节点按照权值的大小进行排序。

第三步：取出权值最小的两个节点，并创建一个新的节点作为这两个节点的父节点，这个父节点的权值为两个子节点的权值之和。将这两个节点分别赋给父节点的左右节点

第四步：删除这两个节点，将父节点添加进集合里

第五步：重复第二步到第四步，直到集合中只剩一个元素，结束循环

代码实现

节点类

//接口实现排序功能
public class Node implements Comparable<Node> {int value;Node left;Node right;public Node(int value) {this.value = value;}@Overridepublic int compareTo(Node o) {return -(this.value - o.value); //集合倒叙，从大到小}@Overridepublic String toString() {return "Node value=" + value ;}
}

测试类

import java.util.ArrayList;
import java.util.Collections;
import java.util.List;public class Demo {public static void main(String[] args) {int[] arr = {5, 29, 7, 8, 14, 23, 3, 11};Node node = createHuffmanTree(arr);System.out.println(node); //Node value=100}//创建赫夫曼树public static Node createHuffmanTree(int[] arr) {//使用数组中所有元素创建若干个二叉树（只有一个节点）List<Node> nodes = new ArrayList<>();for (int value : arr) {nodes.add(new Node(value));}//循环处理while (nodes.size() > 1) {//排序Collections.sort(nodes);//取出最小的两个二叉树（集合为倒叙，从大到小）Node left = nodes.get(nodes.size() - 1); //权值最小Node right = nodes.get(nodes.size() - 2); //权值次小//创建一个新的二叉树Node parent = new Node(left.value + right.value);//删除原来的两个节点nodes.remove(left);nodes.remove(right);//新的二叉树放入原来的二叉树集合中nodes.add(parent);//打印结果System.out.println(nodes);}return nodes.get(0);}
}

循环次数结果

[Node value=29, Node value=23, Node value=14, Node value=11, Node value=8, Node value=7, Node value=8]
[Node value=29, Node value=23, Node value=14, Node value=11, Node value=8, Node value=15]
[Node value=29, Node value=23, Node value=15, Node value=14, Node value=19]
[Node value=29, Node value=23, Node value=19, Node value=29]
[Node value=29, Node value=29, Node value=42]
[Node value=42, Node value=58]
[Node value=100]
Node value=100Process finished with exit code 0

数据结构与算法之Huffman tree(赫夫曼树 / 霍夫曼树 / 哈夫曼树 / 最优二叉树)相关推荐

【数据结构和算法笔记】线性表的查找（平均查找长度，二分法，判定树）
查找: 给定一个值k,在含有n个元素的表中找出关键字等于k的元素,若找到,则查找成功,否则,查找失败查找前首先确定(1)存放数据的数据结构是什么(2)元素是否有序动态查找表:查找的同时做修改操作( ...
数据结构与算法详解（含算法分析、动图图解、Java代码实现、注释解析）
数据结构和算法的重要性算法是程序的灵魂,优秀的程序可以在海量数据计算时,依然保持高速计算数据结构和算法的关系: 程序 = 数据结构 + 算法数据结构是算法的基础, 换言之,想要学好算法,需要把数 ...
《数据结构与算法》（十一）- 树、森林与二叉树的转换及哈夫曼树详解
目录前言 1. 树.森林与二叉树之间的转换 1.1 树转换为二叉树 1.2. 森林转换为二叉树 1.3. 二叉树转换为树 1.4 二叉树转换为森林 1.5 树与森林的遍历 2. 哈夫曼树及其应用 2 ...
霍夫曼树：霍夫曼编码(Huffman Tree:Huffman Coding)
一.简介霍夫曼树常处理符号编写工作.根据整组数据中符号出现的频率高低,决定如何给符号编码.如果符号出现的频率越高,则给符号的码越短,相反符号的号码越长. 相关术语路径:从书中一个节点到另一个节点之 ...
数据结构与算法——树和二叉树***
第五章 :树和二叉树树和图是两种重要的非线性结构.线性结构中结点具有唯一前驱和唯一后继的关系,而非线性结构中结点之间的关系不再具有这种唯一性.其中,树形结构中结点间的关系是前驱唯一而后继不唯一,即元 ...
哈夫曼树【最优二叉树】【Huffman】
[转载]只为让价值共享,如有侵权敬请见谅! 一.哈夫曼树的概念和定义什么是哈夫曼树? 让我们先举一个例子. 判定树: 在很多问题的处理过程中,需要进行大量的条件判断,这些判断结构的设计直接影响着程序 ...
数据结构与算法之完全二叉树的节点个数
数据结构与算法之完全二叉树的节点个数目录数据结构与算法之完全二叉树的节点个数 1. 数据结构与算法之完全二叉树的节点个数 (一)思路先遍历左边界获得树的高度h 遍历右子树的左边界,看看到没到最后 ...
PTA 数据结构与算法题目集（中文）
一:数据结构与算法题目(中文版) 7-2 一元多项式的乘法与加法运算 (20 分) 7-3 树的同构 (25 分) 7-4 是否同一棵二叉搜索树 (25 分) 7-6 列出连通集 (25 分)(详解) ...
【数据结构与算法】-哈夫曼树(Huffman Tree)与哈夫曼编码
超详细讲解哈夫曼树(Huffman Tree)以及哈夫曼编码的构造原理.方法,并用代码实现. 1哈夫曼树基本概念路径:从树中一个结点到另一个结点之间的分支构成这两个结点间的路径. 结点的路径长度:两 ...

数据结构与算法之Huffman tree(赫夫曼树 / 霍夫曼树 / 哈夫曼树 / 最优二叉树)

目录

赫夫曼树概述

定义

构造赫夫曼树步骤

代码实现

数据结构与算法之Huffman tree(赫夫曼树 / 霍夫曼树 / 哈夫曼树 / 最优二叉树)相关推荐

最新文章

热门文章