算法笔记贪心算法哈夫曼编码问题(共16页).docx

《算法笔记贪心算法哈夫曼编码问题(共16页).docx》由会员分享，可在线阅读，更多相关《算法笔记贪心算法哈夫曼编码问题(共16页).docx（16页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、精选优质文档-倾情为你奉上1、问题描述 哈夫曼编码是广泛地用于数据文件压缩的十分有效的编码方法。其压缩率通常在20%90%之间。哈夫曼编码用字符在文件中出现的频率表来建立一个用0，1串表示各字符的最优表示方式。一个包含100,000个字符的文件，各字符出现频率不同，如下表所示。 有多种方式表示文件中的信息，若用0,1码表示字符的方法，即每个字符用唯一的一个0,1串表示。若采用定长编码表示，则需要3位表示一个字符，整个文件编码需要300,000位；若采用变长编码表示，给频率高的字符较短的编码；频率低的字符较长的编码，达到整体编码减少的目的，则整个文件编码需要（451+133+123+163+94

2、+54）1000=224,000位，由此可见，变长码比定长码方案好，总码长减小约25%。 前缀码：对每一个字符规定一个0,1串作为其代码，并要求任一字符的代码都不是其他字符代码的前缀。这种编码称为前缀码。编码的前缀性质可以使译码方法非常简单；例如可以唯一的分解为0,0,101,1101，因而其译码为aabe。 译码过程需要方便的取出编码的前缀，因此需要表示前缀码的合适的。为此，可以用二叉树作为前缀码的数据结构：树叶表示给定字符；从树根到树叶的路径当作该字符的前缀码；代码中每一位的0或1分别作为指示某节点到左儿子或右儿子的“路标”。 从上图可以看出，表示最优前缀码的二叉树总是一棵完全二叉树，即树

3、中任意节点都有2个儿子。图a表示定长编码方案不是最优的，其编码的二叉树不是一棵完全二叉树。在一般情况下，若C是编码字符集，表示其最优前缀码的二叉树中恰有|C|个叶子。每个叶子对应于字符集中的一个字符，该二叉树有|C|-1个内部节点。 给定编码字符集C及频率分布f,即C中任一字符c以频率f(c)在数据文件中出现。C的一个前缀码编码方案对应于一棵二叉树T。字符c在树T中的深度记为dT(c)。dT(c)也是字符c的前缀码长。则平均码长定义为：使平均码长达到最小的前缀码编码方案称为C的最优前缀码。 2、构造哈弗曼编码 哈夫曼提出构造最优前缀码的贪心算法，由此产生的编码方案称为哈夫曼编码。其构造步骤如下

4、： (1)哈夫曼算法以自底向上的方式构造表示最优前缀码的二叉树T。 (2)算法以|C|个叶结点开始，执行|C|1次的“合并”运算后产生最终所要求的树T。 (3)假设编码字符集中每一字符c的频率是f(c)。以f为键值的优先队列Q用在贪心选择时有效地确定算法当前要合并的2棵具有最小频率的树。一旦2棵具有最小频率的树合并后，产生一棵新的树，其频率为合并的2棵树的频率之和，并将新树插入优先队列Q。经过n1次的合并后，优先队列中只剩下一棵树，即所要求的树T。 构造过程如图所示： 具体代码实现如下： (1)4d4.cpp，程序主文件cpp1. /4d4贪心算法哈夫曼算法2. #includestdafx.

5、h3. #includeBinaryTree.h4. #includeMinHeap.h5. #include6. usingnamespacestd;7. 8. constintN=6;9. 10. templateclassHuffman;11. 12. template13. BinaryTreeHuffmanTree(Typef,intn);14. 15. template16. classHuffman17. 18. friendBinaryTreeHuffmanTree(Type,int);19. public:20. operatorType()const21. 22. retu

6、rnweight;23. 24. /private:25. BinaryTreetree;26. Typeweight;27. ;28. 29. intmain()30. 31. charc=0,a,b,c,d,e,f;32. intf=0,45,13,12,16,9,5;/下标从1开始33. BinaryTreet=HuffmanTree(f,N);34. 35. cout各字符出现的对应频率分别为：endl;36. for(inti=1;i=N;i+)37. 38. coutci:fi;39. 40. coutendl;41. 42. cout生成二叉树的前序遍历结果为：endl;43.

7、t.Pre_Order();44. coutendl;45. 46. cout生成二叉树的中序遍历结果为：endl;47. t.In_Order();48. coutendl;49. 50. t.DestroyTree();51. return0;52. 53. 54. template55. BinaryTreeHuffmanTree(Typef,intn)56. 57. /生成单节点树58. Huffman*w=newHuffmann+1;59. BinaryTreez,zero;60. 61. for(inti=1;i=n;i+)62. 63. z.MakeTree(i,zero,zer

8、o);64. wi.weight=fi;65. wi.tree=z;66. 67. 68. /建优先队列69. MinHeapHuffmanQ(n);70. for(inti=1;i=n;i+)Q.Insert(wi);71. 72. /反复合并最小频率树73. Huffmanx,y;74. for(inti=1;in;i+)75. 76. x=Q.RemoveMin();77. y=Q.RemoveMin();78. z.MakeTree(0,x.tree,y.tree);79. x.weight+=y.weight;80. x.tree=z;81. Q.Insert(x);82. 83.

9、84. x=Q.RemoveMin();85. 86. deletew;87. 88. returnx.tree;89. (2)BinaryTree.h 二叉树实现cpp1. #include2. usingnamespacestd;3. 4. template5. structBTNode6. 7. Tdata;8. BTNode*lChild,*rChild;9. 10. BTNode()11. 12. lChild=rChild=NULL;13. 14. 15. BTNode(constT&val,BTNode*Childl=NULL,BTNode*Childr=NULL)16. 17.

10、 data=val;18. lChild=Childl;19. rChild=Childr;20. 21. 22. BTNode*CopyTree()23. 24. BTNode*nl,*nr,*nn;25. 26. if(&data=NULL)27. returnNULL;28. 29. nl=lChild-CopyTree();30. nr=rChild-CopyTree();31. 32. nn=newBTNode(data,nl,nr);33. returnnn;34. 35. ;36. 37. 38. template39. classBinaryTree40. 41. public

11、:42. BTNode*root;43. BinaryTree();44. BinaryTree();45. 46. voidPre_Order();47. voidIn_Order();48. voidPost_Order();49. 50. intTreeHeight()const;51. intTreeNodeCount()const;52. 53. voidDestroyTree();54. voidMakeTree(TpData,BinaryTreeleftTree,BinaryTreerightTree);55. voidChange(BTNode*r);56. 57. priva

12、te:58. voidDestroy(BTNode*&r);59. voidPreOrder(BTNode*r);60. voidInOrder(BTNode*r);61. voidPostOrder(BTNode*r);62. 63. intHeight(constBTNode*r)const;64. intNodeCount(constBTNode*r)const;65. ;66. 67. template68. BinaryTree:BinaryTree()69. 70. root=NULL;71. 72. 73. template74. BinaryTree:BinaryTree()7

13、5. 76. 77. 78. 79. template80. voidBinaryTree:Pre_Order()81. 82. PreOrder(root);83. 84. 85. template86. voidBinaryTree:In_Order()87. 88. InOrder(root);89. 90. 91. template92. voidBinaryTree:Post_Order()93. 94. PostOrder(root);95. 96. 97. template98. intBinaryTree:TreeHeight()const99. 100. returnHeig

14、ht(root);101. 102. 103. template104. intBinaryTree:TreeNodeCount()const105. 106. returnNodeCount(root);107. 108. 109. template110. voidBinaryTree:DestroyTree()111. 112. Destroy(root);113. 114. 115. template116. voidBinaryTree:PreOrder(BTNode*r)117. 118. if(r!=NULL)119. 120. coutdatalChild);122. PreO

15、rder(r-rChild);123. 124. 125. 126. template127. voidBinaryTree:InOrder(BTNode*r)128. 129. if(r!=NULL)130. 131. InOrder(r-lChild);132. coutdatarChild);134. 135. 136. 137. template138. voidBinaryTree:PostOrder(BTNode*r)139. 140. if(r!=NULL)141. 142. PostOrder(r-lChild);143. PostOrder(r-rChild);144. co

16、utdata;145. 146. 147. 148. template149. intBinaryTree:NodeCount(constBTNode*r)const150. 151. if(r=NULL)152. return0;153. else154. return1+NodeCount(r-lChild)+NodeCount(r-rChild);155. 156. 157. template158. intBinaryTree:Height(constBTNode*r)const159. 160. if(r=NULL)161. return0;162. else163. 164. in

17、tlh,rh;165. lh=Height(r-lChild);166. rh=Height(r-rChild);167. return1+(lhrh?lh:rh);168. 169. 170. 171. template172. voidBinaryTree:Destroy(BTNode*&r)173. 174. if(r!=NULL)175. 176. Destroy(r-lChild);177. Destroy(r-rChild);178. deleter;179. r=NULL;180. 181. 182. 183. template184. voidBinaryTree:Change

18、(BTNode*r)/将二叉树bt所有结点的左右子树交换185. 186. BTNode*p;187. if(r)188. p=r-lChild;189. r-lChild=r-rChild;190. r-rChild=p;/左右子女交换191. Change(r-lChild);/交换左子树上所有结点的左右子树192. Change(r-rChild);/交换右子树上所有结点的左右子树193. 194. 195. 196. template197. voidBinaryTree:MakeTree(TpData,BinaryTreeleftTree,BinaryTreerightTree)19

19、8. 199. root=newBTNode();200. root-data=pData;201. root-lChild=leftTree.root;202. root-rChild=rightTree.root;203. (3)MinHeap.h 最小堆实现cpp1. #include2. usingnamespacestd;3. template4. classMinHeap5. 6. private:7. T*heap;/元素数组，0号位置也储存元素8. intCurrentSize;/目前元素个数9. intMaxSize;/可容纳的最多元素个数10. 11. voidFilter

20、Down(constintstart,constintend);/自上往下调整，使关键字小的节点在上12. voidFilterUp(intstart);/自下往上调整13. 14. public:15. MinHeap(intn=1000);16. MinHeap();17. boolInsert(constT&x);/插入元素18. 19. TRemoveMin();/删除最小元素20. TGetMin();/取最小元素21. 22. boolIsEmpty()const;23. boolIsFull()const;24. voidClear();25. ;26. 27. template

21、28. MinHeap:MinHeap(intn)29. 30. MaxSize=n;31. heap=newTMaxSize;32. CurrentSize=0;33. 34. 35. template36. MinHeap:MinHeap()37. 38. deleteheap;39. 40. 41. template42. voidMinHeap:FilterUp(intstart)/自下往上调整43. 44. intj=start,i=(j-1)/2;/i指向j的双亲节点45. Ttemp=heapj;46. 47. while(j0)48. 49. if(heapi=temp)50.

22、 break;51. else52. 53. heapj=heapi;54. j=i;55. i=(i-1)/2;56. 57. 58. heapj=temp;59. 60. 61. template62. voidMinHeap:FilterDown(constintstart,constintend)/自上往下调整，使关键字小的节点在上63. 64. inti=start,j=2*i+1;65. Ttemp=heapi;66. while(j=end)67. 68. if(jheapj+1)69. j+;70. if(temp=heapj)71. break;72. else73. 74.

23、 heapi=heapj;75. i=j;76. j=2*j+1;77. 78. 79. heapi=temp;80. 81. 82. template83. boolMinHeap:Insert(constT&x)84. 85. if(CurrentSize=MaxSize)86. returnfalse;87. 88. heapCurrentSize=x;89. FilterUp(CurrentSize);90. 91. CurrentSize+;92. returntrue;93. 94. 95. template96. TMinHeap:RemoveMin()97. 98. Tx=he

24、ap0;99. heap0=heapCurrentSize-1;100. 101. CurrentSize-;102. FilterDown(0,CurrentSize-1);/调整新的根节点103. 104. returnx;105. 106. 107. template108. TMinHeap:GetMin()109. 110. returnheap0;111. 112. 113. template114. boolMinHeap:IsEmpty()const115. 116. returnCurrentSize=0;117. 118. 119. template120. boolMin

25、Heap:IsFull()const121. 122. returnCurrentSize=MaxSize;123. 124. 125. template126. voidMinHeap:Clear()127. 128. CurrentSize=0;129. 3、贪心选择性质 二叉树T表示字符集C的一个最优前缀码，证明可以对T作适当修改后得到一棵新的二叉树T”，在T”中x和y是最深叶子且为兄弟，同时T”表示的前缀码也是C的最优前缀码。设b和c是二叉树T的最深叶子，且为兄弟。设f(b)=f(c)，f(x)=f(y)。由于x和y是C中具有最小频率的两个字符，有f(x)=f(b)，f(y)=f(c)

26、。首先，在树T中交换叶子b和x的位置得到T，然后再树T中交换叶子c和y的位置，得到树T。如图所示： 由此可知，树T和T的前缀码的平均码长之差为： 因此，T表示的前缀码也是最优前缀码，且x,y具有相同的码长，同时，仅最优一位编码不同。 4、最优子结构性质 二叉树T表示字符集C的一个最优前缀码，x和y是树T中的两个叶子且为兄弟，z是它们的父亲。若将z当作是具有频率f(z)=f(x)+f(y)的字符，则树T=T-x,y表示字符集C=C-x, y z的一个最优前缀码。因此，有： 如果T不是C的最优前缀码，假定T”是C的最优前缀码，那么有，显然T”是比T更优的前缀码，跟前提矛盾！故T所表示的C的前缀码是最优的。 由贪心选择性质和最优子结构性质可以推出哈夫曼算法是正确的，即HuffmanTree产生的一棵最优前缀编码树。 程序运行结果如图：专心-专注-专业