标签：编码 结点 Elements 哈夫曼 插入 数据结构 我们

数据结构篇（五）：

文章目录

• 数据结构篇（五）：
• • 1.这里我们先来了解堆的概念。
  • • 最大堆：
    • • 最大堆的创建和插入
      • 最大堆的删除
      • 最大堆的建立
  • 2.哈夫曼树和哈夫曼编码
  • • 哈夫曼树的介绍：
    • 哈夫曼树的构造：
    • 哈夫曼编码：

1.这里我们先来了解堆的概念。

​   什么是堆呢？

​   了解堆之前，首先我们让看看优先队列：特殊的“队列”，取出元素的顺序是按照元素的优先级大小，而不是元素进入队列的先后顺序。

​   我们怎么对优先队列进行管理呢？

​   我们要进行的的操作是在队列中插入新的任务，还有当CPU空缺出来以后，选择优先级最高的放入CPU中。

若是采用数组或链表实现优先队列
数组实现如下：

​   插入——元素总是插入尾部

​   删除——查找最大（或最小关键字），从数组中删去需要移动的元素

链表实现如下：

​   插入：元素总是插入链表的头部

​   删除：查找最大（最小）关键字删去结点

​   因为数组每次删除元素之后还需要进行后续元素的移动，而链表只需要改父节点的指针，所以相比之下还是链表比较方便。

有序数组：

​   插入：找到合适的位置，移动元素并插入

​   删除：删去最后一个元素

有序链表：

​   插入：找到合适的位置插入元素

​   删除：删除首元素或最后元素

​   上述四种问题在很大的范围内可以解决我们的问题，然而学了这么久的树我们是不是也可以采用二叉树来存储结构呢？

​   如果我们想删除最大最小值，那么我们就等于遍历树的左子树和右子树，时间效率就是树的高度。

​   但是简单的使用这种方法往往会带来许多问题。

如果我们一直遍历右子树删除，那会发生什么？

​   树歪了，即右边子树都删完了，左边子树还剩长长的一条，此时的时间效率就不是树的高度了。

​   所以这里我们要用完全二叉树进行存储，并且它的每个节点都比它左右所有结点的值大或小，这样也就形成了我们说讨论的堆。

最大堆：

     

​         它的每个节点都比它左右所有结点的值大

最小堆：

​          它的每个节点都比它左右所有结点的值小

不是堆：

​       不满足最大堆和最小堆的情况的条件（这里15小于16，与最小堆矛盾）。

这里注意：从根结点到任意结点路径上结点序列的有序性。

让我们看看最大堆是如何实现的

最大堆：

最大堆的创建和插入

typedef struct HeapStruct *MaxHeap;
struct HeapStruct
{
    ElementType *Elements; //存储堆元素的数组
    int Size;	//堆中元素个数
    int Capacity; //堆的容量
}
MaxHeap Creat(int MaxSize)
{
    MaxHeap H = malloc(sizeof(struct HeapStruct));
    H->Elements = malloc((MaxSize+1)*sizeof(ElementType));
    H->Size = 0;
    H->Capacity = MaxSize;
    H->Elements[0] = MaxData;
    //定义哨兵，更快的操作
    return H;
}

如果插入结点小于当前结点：

        

如图，插入20小于31，所以直接插入就好。

如果插入结点大于当前结点：
       

此时有序性被破坏了，所以我们需要将其35和31调换位置。

        

插入结点数值大于其好多父节点：
       

如图，此时插入58，比31和44都大，所以我们进行换位：

       

以上操作可表示为下述代码：

void Insert(MaxHeap H,ElementType item)
{
    int i;
    if(IsFull(H))
    {
        printf("最大堆已满");
        return;
    }
    i = ++H->Size;
    for(;H->Elements[i/2]<item;i/=2)  //item与当前结点比较
        H->Elements[i] = H->Elements[i/2]; //向下过滤节点
    H->Elements[i] = item; //插入结点
}

​   还记得我们之前创建堆里放的那个哨兵吗？此时我们我们在for这里就用上了。原本我们还需要设立一个条件判断防止我们越过树的根结点，但是此时我们设置了哨兵，在检测到哨兵时我们就自动知道了到达树的顶上了，就可以做相关操作防止溢出，并大大提高了我们的效率。

最大堆的删除

ElementType DeleteMax(MaxHeap H)
{
    int Parent,Child;
    ElementType MaxItem,temp;
    if(IsEmpty(H)) //判断堆空不空
    {
        printf("最大堆已空");
        return ;
    }
    MaxItem = H->Elements[1];	//存储要删除的根结点
    temp = H->Elements[H->Size--]
    //最大堆的最后一个元素向上过滤结点
    for(Parent = 1;Parent*2<=H->Size;Parent = Child)
    {
        //Parent = Child进行将不大于左右两个结点的结点换下去
    	Child = Parent*2;
    	if((Child!=H->Size)&&(H->Elements[Child])<H->Elements[Child+1]))
            Child++; //指向左右儿子较大的那个
    	if(temp>=H->Elements[Child]) break;	//判断是否比左右儿子都大
    	else
            H->Elements[Parent] = H->Element[Child];
        //将左右儿子中较大者换上来，并在下一次循环将当前结点换下去
    }
    H->Elements[Parent] = temp;
    return MaxItem;
}

如图

        

​   我们想删除58这个结点，按照之前的知识点我们肯定是取31这个结点来代替它（左子树最大值）
          

​   可见，此时完全二叉树的特性保留了，但是树的有序性（根为最大值）无法保证。此时我们发现44>31,35>31,所以换位置
          

得到上图。

最大堆的建立

​   建立最大堆:将已经存在的N个元素按最大堆的要求存放在一个一维数组中

​   方法1:

​   通过插入操作，将N个元素一个个相继插入到一个初始为空的堆中去，其时间代价最大为O(N logN)。

​   方法2:

​   在线性时间复杂度下建立最大堆。
​   (1)将N个元素按输入顺序存入，先满足完全二叉树的结构特性
​   (2）调整各结点位置，以满足最大堆的有序特性。

方法如下：

    

​   我们从底下开始做，首先我们找到倒数第一个由儿子的结点，即87（因为保证左右边只有一个儿子）。

​   随后

   

  先将小蓝框里的结点依次转换为堆，再将红框的结点转换为堆。

效果如上。

​   堆的知识大致如上。

​   接下来让我们讲讲哈夫曼树和哈夫曼编码。

2.哈夫曼树和哈夫曼编码

哈夫曼树的介绍：

​   正如我们所知每个ASCLL码用7位进行编码，如果有一篇文章，它有若干个字符构成，每个abcd都用7位进行编码，如果这篇文章由1万个字符，则需要7万位斤进行编码。

​   但是我们知道每个字符在文章里出现的频率是不一样的，比如说e这个字符，它出现的频率大于许多其他字符。如果此时我们能对他进行5位编码，对一些不常见的字符用7、8位进行编码，我们处理起来的效果是不是更好呢？

​   这就是哈夫曼树和哈夫曼编码所讨论的问题。

例：

​   比如我们对考试成绩进行5分制转换：

    

由上表我们可以得到如下树结构：

​   正如我们所看到的，对60分的成绩，只需要判断一次，但是对90分的成绩，我们需要判断四次，如果此时60分的人很少，90分的人很多，则是不是意味着做四步判断的人更多，这样的转换效果就不太好，如果给出各分数段频率

其效率为：

​          0.05×1+0.15×2+0.4×3+0.3×4+0.1×4 = 3.15

​   同样是上述的题，但是我们换种树的结构：

此时它的效率为：

​         0.05×3+0.15×3+0.4×2+0.3×2+0.1×2 = 2.2

效果是不是比上一个结构好很多？

​   所以这样我们就可以得出一个结论，我们需要根据结点不同的查找频率构造更有效的搜索树。这就是哈夫曼树和哈夫曼编码所要解决的问题。

​   哈夫曼树又称最优树，每个叶节点的权值×叶节点到根节点的长度累加起来，这个值就叫带权路径的长度（WPL）。

​ 哈夫曼树就是想把带权路径长度调整到最小。

哈夫曼树的构造：

​   哈夫曼树的构造就是：每次把每个结点的权重，从小到大排序，再把权值最小的两颗树并在一起。

例：

         

我们将权值12345排序好了，然后合并权值最小的结点：

         

此时产生了一个新节点3，再合并：

        

以此类推，就形成了哈夫曼树：
       

typedef struct TreeNode *HuffmanTree;
struct TreeNode
{
    int weight;
    HuffmanTree Left,Right;
}
HuffmanTree Huffman(MinHeap H)
{
    //假设H->Size个权值已经存在H->Elements [ ]->weight里
    int i;
    HuffmanTree T;
    BuildMinHeap(H); //将权值调整为最小堆
    for(i = 1;i<H->Size;i++)
    {
        T = malloc(sizeof(struct TreeNode));
        T->Left = DeleteMin(H);
        T->Right = DdeleteMin(H);
        //		删除权值最小的结点，做为新T的左右子结点
        T->Weight = T->Left->Weight+T->Right->Weight;
        //		计算新权值
        Insert(H,T);
        //   	插入新权值
    }
    T = DeleteMin(H);		//合并完的树根
    return T;
}

哈夫曼树的特点：

​   1.没有度为1的结点

​   2.n个叶子结点的哈夫曼树共有2n-1个结点

​   3.哈夫曼树的任意非叶节点的左右子树交换后仍是哈夫曼树

​    n0:叶结点总数

​    n1:只有一个儿子的结点总数

​    n2:有2个儿子的结点总数

​    n2 = n0-1

​   4.同一组权值，构成两组不同构的哈夫曼树

​    例：权值为{1，2，3，3}
        
          

就有以上两种情况的结构。

​   第一个是1、2并再跟3并再跟3并

​   第二个是1、2并，3、3并，再合并

但是他们的WPL值是一样的.

哈夫曼编码：

我们先来考虑一个问题：

​   给定一段字符串，我们如何对字符进行编码，使字符串的编码存储空间最小？

我们用一道例题来讨论这个问题。

例：

​   假设有一段文本，包含58个字符，并由以下7个字符构:a、e、i、s、t、空格（sp)、换行（nl），这7个字符出现的次数不同。如何对这7个字符进行编码，使得总编码空间最少?

分析：

​   （1）用ASCLL编码：58×8 = 464位

​   （2）用等长3位编码：58×3 = 174位

​   （3）不等长编码：频率高的短，频率低的长

    ASCLL码和等长3位编码都出来了，那么我们怎么实现不等长编码呢？

例：

​   a:1 e:0 s:10 t:11… 根据左边的编码规则，我们怎么表示1011的编码呢？显然这是有问题的。

​   如图，一个1011产生了3种编码格式，这种情况称为编码的二义性。

我们如何避免二义性呢？

​   前缀码，即任何字符的编码都不是另一字符编码的前缀。

​   用上述的例子来讲就是，a:1 s:10,此时a就等于s的前缀了，这样就会出现我们说讲的二义性。

​   在数的结构中，如果我们的编码全是叶节点，就不会有二义性。

例：

        

​   上图，其编码全在叶节点上，所以没有二义性。

          

由图，此结构的WPL为16

  如下也是同样的道理：

  涓滴之水终可磨损大石，不是由于它力量大，而是由于昼夜不舍的滴坠。只有勤奋不懈的努力才能够获得那些技巧，因此，我们可以确切地说：说：不积跬步，无以致千里。

以上就是本文全部内容。

数据结构篇（四）：_风声向寂的博客-CSDN博客

数据结构篇（三）：_风声向寂的博客-CSDN博客

数据结构篇（二）：_风声向寂的博客-CSDN博客

数据结构篇(一)：_风声向寂的博客-CSDN博客

标签：编码,结点,Elements,哈夫曼,插入,数据结构,我们
来源： https://blog.csdn.net/qq_52533790/article/details/121872429

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。