数据结构C#版笔记--啥夫曼树(Huffman Tree)与啥夫曼编码(Huffman Encoding)

哈夫曼树Huffman tree 又称最优完全二叉树，切入正题之前，先看几个定义

1、路径 Path

简单点讲，路径就是从一个指定节点走到另一个指定节点所经过的分支，比如下图中的红色分支(A->C->B与C->D->E->F)

　　　　　　　　　　　　图1

2、路径长度(Path Length)

即路径中的分支个数，比如上图(a)中的路径长度为2，上图(b)中的路径长度为3

3、结点的权重(Weight of Node)

在一些特定应用中，有时候要刻意区分节点之间的重要程度(或优先程度)，比如认为A节点比B节点要重要(更优先)，可以给这些节点增加一个int型的属性值weight，用该值来标明这种重要性，这就是结点的权重.

图2

4、结点的带权(重)路径长度(Weight Path Length of Node):

从该节点到树的根节点的路径长度*该结点的权重，得到的结果就是这个东东

上图中

节点1的带权路径长度为 1 * 2 = 2;

节点2的带权路径长度为 2 * 2 = 4;

节点3的带权路径长度为 3 * 2 = 6;

节点4的带权路径长度为 4 * 2 = 8;

5、树的带权(重)路径长度

树中的每个节点均按4中的定义计算自身的带权路径长度，然后把得到的结果加在一起，就是整颗树的带权路径长度。

上图(即图2)中，树的带权路径长度为 2 + 4 + 6 + 8 = 20

如果给定4个节点，其权重值分别是1,2,3,4，那么构造一颗完全二叉树的方法有很多种，如下图：

上图显示，(c)树的带权路径总长最小（为19），而其它树的带权路径均为20，ok，它就是传说中的哈夫曼树，可通俗的理解为：

给定一组带权重的叶节点，用它们来构造完全二叉树，最终整颗树的带权路径(总)长度最小的即为啥夫曼树。(当然，这是根据我的理解给出的民间山寨定义，官方定义大家自己去看“数据结构与算法”这本书吧，上面有一堆数学符号，对于不喜欢数字的同学们，估计看起来很晕)

啥夫曼树的构造算法：

1、在给定的带权叶节点中，找出权重最小的二个(通常为了方便，可以先将叶节点按权重从小到大先排好，这样只需要取前面二项即可)，然后添加一个临时节点作为这二个节点的父节点（其权重为这二个叶节点的权重之合）

2、将刚才处理过的二个节叶点去掉，然后把新增加的临时节点与剩下的叶节点放在一起做同样的处理，即：从新节点和叶节点的集合中，继续找到权重最小的二个，再继续增加新节点，做第1中的处理

3、重复以上过程，直到每个叶节点都处理完。

假如我们现在有权重为1,2,3,4的一组叶节点，上述过程图解为：

c#的算法实现：

先回顾上一篇提到的二个重要知识点:

1、由二叉树的数学特性4知：

对于一棵非空二叉树，如果度为0的结点数目为x，度为2的结点数目为y，则有 x = y +1(即y = x-1)

也就是说全部节点总数为 x+y = x + (x-1) = 2*x-1

2、完全二叉树，可以方便的使用顺序存储（即用线性结构的数组或List<T>来存储）

Huffman树的节点类Node.cs:

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;

namespace 哈夫曼树
{
    public class Node
    {
        private int weight;//权重值
        private int lChild;//左子节点的序号
        private int rChild;//右子节点的序号
        private int index;//本节点的序号

        public int Weight 
        {
            get { return weight; }
            set { weight = value; }
        }

        public int LChild 
        {
            get { return this.lChild; }
            set { lChild = value; }
        }

        public int RChild 
        {
            get { return this.rChild; }
            set { rChild = value; }
        }

        public int Index 
        {
            get { return this.index; }
            set { index = value; }
        }

        public Node() 
        {
            weight = 0;
            lChild = -1;
            rChild = -1;
            index = -1;
        }

        public Node(int w, int lc, int rc, int p) 
        {
            weight = w;
            lChild = lc;
            rChild = rc;
            index = p;
        }
    }
}

HuffmanTree.cs(注：下面这段代码的Create算法在运行效率上也许并非最高的，但很容易理解)

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;

namespace 哈夫曼树
{
    public class HuffmanTree
    {
        private List<Node> _tmp;
        private List<Node> _nodes;

        public HuffmanTree(params int[] weights)
        {
            if (weights.Length < 2)
            {
                throw new Exception("叶节点不能少于2个!");
            }

            int n = weights.Length;

            Array.Sort(weights);

            //先生成叶子节点，并按weight从小到大排序
            List<Node> lstLeafs = new List<Node>(n);
            for (int i = 0; i < n; i++)
            {
                var node = new Node();
                node.Weight = weights[i];
                node.Index = i;
                lstLeafs.Add(node);
            }


            //创建临时节点容器
            _tmp = new List<Node>(2 * n - 1);

            //真正存放所有节点的容器
            _nodes = new List<Node>(_tmp.Capacity);

            _tmp.AddRange(lstLeafs);
            _nodes.AddRange(_tmp);
        }

        /// <summary>
        /// 构造Huffman树
        /// </summary>
        public void Create()
        {
            while (this._tmp.Count > 1)
            {
                var tmp = new Node(this._tmp[0].Weight + this._tmp[1].Weight, _tmp[0].Index, _tmp[1].Index, this._tmp.Max(c => c.Index) + 1);
                this._tmp.Add(tmp);
                this._nodes.Add(tmp);

                //删除已经处理过的二个节点
                this._tmp.RemoveAt(0);
                this._tmp.RemoveAt(0);


                //重新按权重值从小到大排序
                this._tmp = this._tmp.OrderBy(c => c.Weight).ToList();
            }
        }

        /// <summary>
        /// 测试输出各节点的关键值(调试用)
        /// </summary>
        /// <returns></returns>
        public override string ToString()
        {
            StringBuilder sb = new StringBuilder();
            for (int i = 0; i < _nodes.Count; i++)
            {
                var n = _nodes[i];
                sb.AppendLine("index:" + i + "，weight:" + n.Weight.ToString().PadLeft(2, ' ') + "，lChild_index:" + n.LChild.ToString().PadLeft(2, ' ') + "，rChild_index:" + n.RChild.ToString().PadLeft(2, ' '));
            }
            return sb.ToString();
        }
    }
}

测试一下：

using System;

namespace 哈夫曼树
{
    class Program
    {
        static void Main(string[] args)
        {
            HuffmanTree tree = new HuffmanTree(2,1,4,3);
            tree.Create();

            Console.WriteLine("最终树的节点值如下：");
            Console.WriteLine(tree.ToString());
            Console.ReadLine();
        }
    }
}

输出结果如下：

最终树的节点值如下： index:0，weight: 1，lChild_index:-1，rChild_index:-1 index:1，weight: 2，lChild_index:-1，rChild_index:-1 index:2，weight: 3，lChild_index:-1，rChild_index:-1 index:3，weight: 4，lChild_index:-1，rChild_index:-1 index:4，weight: 3，lChild_index: 0，rChild_index: 1 index:5，weight: 6，lChild_index: 2，rChild_index: 4 index:6，weight:10，lChild_index: 3，rChild_index: 5

 输出结果也许并不直观，对照下面这张图就明白了

哈夫曼编码(Huffman Encoding)

先扯貌似不相干的话题，在电报传输中，通常要对传输的内容进行编码(因为电报发送时只用0,1表示，所以需要将ABCDE这类字符最终变成0与1的组合，这就涉及到如何将字符集[A-Z]与[0,1]组合一一对应的问题)

假设现在有电文内容：AAAABBBCCD 需要编码后转送，现在要一套编码方案

首先很容易想到下面的这种定长编码方案，每个字符用2位数字表示，比如：

A->00 B->01 C->10 D->11 那么AAAABBBCCD最终的编码为00,00,00,00,01,01,01,10,10,11(注：这里加逗号是为了看得更直观，实际编码中并不需要)

但电报砖家们，提出了另一种更短的不定长编码方案：

A->0 B->10 C->111 D->110

按这种编码方案，AAAABBBCCD最终的编码为：0,0,0,0,10,10,10,111,111,110

把这二种方案的编码列在一起对比一下：

00,00,00,00,01,01,01,10,10,11 (不算逗号共20位)

0,0,0,0,10,10,10,111,111,110 (不算逗号共19位)

砖家果然是砖家！ 仔细分析一下，会发现这种“不定长”的编码方案要想解码成功，要有一个重要的前提：任何一个编码，都不能是其它编码的前缀！否则解码时就会出现歧义。

比如：如果C编码为10，D编码为101，A编码为1，B编码为01

现在接收到了一个 10101，那么到底是解码为 CCA，还是DB呢?

现在揭晓哈夫曼编码的秘密：

就刚才举例的AAAABBBCCD而言，电文中仅包含A,B,C,D这个字符，如果把它们看作叶节点，并且考虑到权重（D出现次数最小，权重认为最低；C出现次数比D高，因此权重高于D，其它类推），这样我们就有了一组带权重的叶节点(A-权重4，B-权重3，C-权重2，D-权重1)，用它们来构造一颗哈夫曼树：

同时，我们把有分支做一个约定：向左的分支对应为数字0，向右的分支对应为数字1，这样从根节点到每个叶子节点的路径就能得到一串数字。

即: A->0，B->10，C->110，D->111 ，这就是一种编码！

另外应该注意到，对于二叉树，某一个确定的叶节点只可能在一个唯一的分支上（即不可能一个叶节点即在这个分支上，又在其它分支上），这就保证了每个叶节点得到的编码都不可能是其它编码的前缀。

OK，寻找哈夫曼编码的问题最终就转化成了哈夫曼树的构造问题，问题得到解决了。(学会了哈夫曼编码，也许我们能跟某些冰雪聪明的MM们玩点另类告白的小游戏，发一串数字过去，然后配一张图，看她懂不懂你的心意，如果她能成功解出背后的含义是ILOVEYOU，然后回发一串吉祥数字给你，那么...恭喜你！)