第6章 树和二叉树.ppt

6.6.2 赫夫曼编码 电报需将传送的文字转换成由二进制的字符组成的字符串，如‘ABACCDA’设A、B、C、D编码分别为00、01、10、11则‘00010010101100’14位，对方接收时将其译码。在传送电文时，希望总长度尽可能的短，如A、B、C、D分别编码为0、00、1和01，则上述7个字符转换成总长为9位‘000011010’，但是这样的电文无法译码。‘0000’可有多种译法‘AAAA’或‘ABA’、‘BB’，设计时用前缀编码。 前缀编码：任一个字符的编码都不是另一个字符编码的前缀，可利用二叉树设计前缀编码。 设计电文总长最短的前缀编码，设每种字符在电文中出现的次数为wi编码长度为Li，有n种字符，电文总长ΣwiLi ( i=1…n) 对应二叉树上，若置wi为叶子结点的权，恰为WPL,即设计赫夫曼树，得到的前缀编码为赫夫曼编码，赫夫曼树中没有度为1的结点（严格的（正则的）二叉树），一棵有n个叶子结点的赫夫曼树共有2n-1个结点，可以存储在2n-1的一维数组中，另外需知道双亲。 表 6 – 1 指令的使用频率 指令 使用频率(Pi） I1 0.40 I2 0.30 I3 0.15 I4 0.05 I5 0.04 I6 0.03 I7 0.03 表 6 – 2 指令的变长编码 指令 使用频率(Pi） I1 0 I2 1 I3 00 I4 01 I5 000 I6 001 I7 010 图6.30 构造赫夫曼树示例 表 6 – 3 指令的赫夫曼编码 指令 使用频率(Pi） I1 0 I2 10 I3 110 I4 11100 I5 11101 I6 11110 I7 11111 可以验证，该编码是前缀编码。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。对于定长编码，该段程序的总位数大约为3×1000＝3000。采用赫夫曼编码后，该段程序的总位数大约为1×400＋2×300＋3×150＋5×（50＋40＋30＋30）＝2200。可见，赫夫曼编码中虽然大部分编码的长度大于定长编码的长度3，却使得程序的总位数变小了。可以算出该赫夫曼编码的平均码长为： 举例：数据传送中的二进制编码。 要传送数据 state、seat、act、tea、cat、set、a、eat，如何使传送的长度最短？ 首先规定二叉树的构造为左走0、右走1，如图6.31所示。 为了保证长度最短，先看字符出现的次数，然后将出现次数当作权，如图6.32所示。 图6.31 左走0、右走1的二叉树 图6.32 对字符按权排序 字符 s t a e c 字符出现的次数 3 8 7 5 2 图6.33 构造赫夫曼树的过程 按规定：0左1右， 则有 000 001 01 10 11 2 3 5 7 8 c s e a t 所以state的编码为00111101101，stat的编码为001111011。 构造满足赫夫曼编码的最短最优性质： (1) 若di≠dj（字母不同），则对应的树叶不同。因此前缀码（任一字符的编码都不是另一个字符编码）不同，一个路径不可能是其它路径的一部分，所以字母之间可以完全区别。  (2) 将所有字符变成二进制的赫夫曼编码，使带权路径长度最短，相当总的通路长度最短。  若要求传送以上这些编码长度不一的数据，且还要求传送词间互相区分，应如何设计最优编码呢？为保证传送词间互相区别，则需加入一空白字符出现频率，空白字符^出现为7，再构造赫夫曼树，由此得到的赫夫曼编码一定满足最短且又互相区分的性质。 c s e a ^ t 2 3 5 7 7 8 6.6.3 赫夫曼编码算法的实现 由于赫夫曼树中没有度为1的结点，则一棵有n个叶子的赫夫曼树共有2×n-1个结点，可以用一个大小为2×n-1 的一维数组存放赫夫曼树的各个结点。由于每个结点同时还包含其双亲信息和孩子结点的信息，所以构成一个静态三叉链