[离散数学第3章讲义-2.pptVIP

第九讲: 哈密顿图 、图的矩阵表示 定义3 在一个图G=(V, E)中，将一些边（vi1, vj1)， （vi2, vj2)，?， （vik, vjk)，删除将结点vi1与vj1， ?， vik与vjk合并，用新结点w1，w2, ?，wk代替，所得的新图 G’=(V’, E’)称为图G的基本缩减。 求最大匹配的匈牙利算法: 第九讲: 哈密顿图 、图的矩阵表示 例1: 在编译原理中,可用二元数表示算术表达式 (a-b)/c + d(e-f/g) 用二元树表示外向树: 从根开始逐级从左到右讨论, 若一结点是前一结点的兄弟,则作为前一结点的右儿子 若一结点是某 一结点最左边的儿子,则作为该一结点的左儿子 编码理论: 信源编码（压缩编码） 信道编码（容错编码、检错纠错编码） 加密编码（安全编码） 哈夫曼编码 编码理论: 定长码 001 101 110 变长码 1 10 1001 111 前缀码 1 01 001 0001 101011001011100010101110001 哈夫曼编码 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。哈夫曼编码算法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。 给出现频率高的字符较短的编码，出现频率较低的字符以较长的编码，可以大大缩短总码长。 1、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它字符代码的前缀。这种编码称为前缀码。 哈夫曼编码 编码的前缀性质可以使译码方法非常简单。 表示最优前缀码的二叉树总是一棵完全二叉树，即树中任一结点都有2个儿子结点。 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给定编码字符集C的最优前缀码。 哈夫曼编码 2、构造哈夫曼编码 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。 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。 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。 4.4 哈夫曼编码 在书上给出的算法huffmanTree中，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n－1次的合并后，优先队列中只剩下一棵树，即所要求的树T。 哈夫曼编码 coutendl; BinaryTreeint huffman ; huffman = HuffmanTree(a, i - 1); HuffmanEncode(huffman, i - 1); huffman.PreOutput(); return 0; } /////////////////////////huffmantree.h #include binarytree.h #include MinHeap.h #define len 10 templateclass T class Huffman { friend BinaryTreeint HuffmanTree(T [], int); public: operator T() const {return weight;} private: BinaryTreeint tree; T weight; }; templateclass T BinaryTreeint HuffmanTree(T a[], int n) { HuffmanT *w = new HuffmanT [n+1]; BinaryTreeint z, zero; for (int i = 1; i = n; i++) { z.MakeTree(a[i], zero, zero); w[i].weight = a[i]; w[i].tree = z; } MinHeap HuffmanT H(1); H.Initialize(w,n,n); ////////