求二叉树-浙江工商大学.PPT

17. 哈夫曼编码 6.17 哈夫曼编码 6.17.1 背景 若一段程序有1000条指令，其中I1大约有400条，I2大约有300条，I3大约有150条，I4大约有50条，I5大约有40条，I6大约有30条，I7大约有30条。那么是否有一种编码方式能够实现程序长度最短？ 哈夫曼编码正是一种应用广泛且非常有效的数据压缩技术。该技术一般可将数据压缩掉20％至90％，其压缩效率取决于被压缩文件的特征。 6.17 哈夫曼编码 6.17.2 定长编码 如果采用定长编码，需要的编码长度是?log27?=3。 该段程序的总位数大约为3×1000＝3000。 指令 I1 I2 I3 I4 I5 I6 I7 编码 000 001 010 011 100 101 110 6.17 哈夫曼编码 6.17.3 变长编码 我们的思路是使用频率高的指令采用短的编码，这样才能缩短程序长度。比如： 但是事情没有这样简单。比如，00解释成两个I1,还是一个I3。因此，上述编码不能用。 指令 I1 I2 I3 I4 I5 I6 I7 编码 0 1 00 01 000 001 010 6.17 哈夫曼编码 6.17.4 前缀码 如果在一个编码系统中，任一个编码都不是其他任何编码的前缀（最左子串），则称该编码系统中的编码是前缀码。 例如，一组编码01，001，010，100，110就不是前缀码，因为01是010的前缀，若去掉01或010就是前缀码。例如，名字中的郑霞、郑霞锦就不是前缀码。 6.17 哈夫曼编码 6.17.5 哈夫曼编码 思路：对一棵具有n个叶子的哈夫曼树，若对树中的每个左分支赋予1，右分支赋予0（相反也行），则从根到每个叶子的通路上，各分支的赋值分别构成一个二进制串，该二进制串就称为哈夫曼编码。（注意不是从叶子到根） 指令 I1 I2 I3 I4 I5 I6 I7 频率 0.4 0.3 0.15 0.05 0.04 0.03 0.03 编码 0 10 110 11100 11101 11110 11111 6.17 哈夫曼编码 6.17.5 哈夫曼编码 哈夫曼编码是前缀码 证明：哈夫曼编码是根到叶子路径上的边的编码的序列。而由树的特点知，若路径A是另一条路经B的最左部分，则B经过了A，因此，A的终点不是叶子。而哈夫曼编码都对应终点为叶子的路径，所以，任一哈夫曼码都不会与任意其他哈夫曼编码的前部分完全重叠，得证。 6.17 哈夫曼编码 6.17.5 哈夫曼编码 哈夫曼编码是最优前缀码。 比如，对于n个字符，分别以它们的使用频度为叶子权，构造哈夫曼树，则该树对应的哈夫曼编码，能使各种报文（由这n种字符构成的文本）对应的二进制串的平均长度最短。 6.17 哈夫曼编码 6.17.5 哈夫曼编码 计算哈夫曼编码的平均码长 pi为各个编码对应的概率，li为各个编码对应的长度。 采用哈夫曼编码后，该段程序的总位数大约为 1×400＋2×300＋3×150＋5×（50＋40＋30＋30）＝2200。平均码长为2200/1000=2.2。 指令 I1 I2 I3 I4 I5 I6 I7 频率 0.4 0.3 0.15 0.05 0.04 0.03 0.03 编码 0 10 110 11100 11101 11110 11111 18. 并查集 6.18 并查集 6.18.1 背景 大侠的规则 碰到和自己不是一路人的，就免不了要打一架。 绝对不打自己的朋友。 信奉“朋友的朋友就是我的朋友” 两个原本互不相识的人，如何判断是否属于一个朋友圈呢？ 6.18.1 背景 寻找亲戚 如Marry和Tom是亲戚，Tom和Ben是亲戚，可以推出Marry和Ben是亲戚。 如果有完整的家谱，判断两个人是否亲戚是可行的。 6.18 并查集 但如果是远亲，那么检验亲戚关系就十分复杂。 在这种情况下，就需要应用并查集。 6.18.2 并查集概念 并查集（英文：Disjoint Set，即“不相交集合”）。将编号分别为1…N的N个对象划分为不相交集合，在每个集合中，选择其中某个元素代表所在集合。 常见两种操作： 合并两个集合 查找某元素是否属于哪个集合 所以，称为“并查集”。 6.18 并查集 6.18.3 并查集实现方法（1） 定义一个数组 set[1..n] ，其中set[i] 表示元素i 所在的集合；用编号最小的元素标记所在集合 比如：不相交集合： {1,3,7}, {4}, {2,5,9,10}, {6,8} 6.18 并查集 i 1 2 3 4 5 6 7 8 9 10 set[i] 1 2 1 4 2 6 1 6 2 2 6.18.3 并查集实现方法（1） 查找某个元素（时间复杂度O(1)） find