【贪心法】最优前缀码(Huffman哈夫曼算法)

这篇具有很好参考价值的文章主要介绍了【贪心法】最优前缀码(Huffman哈夫曼算法)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一、问题引入

在计算机中需要用0-1字符串作为代码来表示信息,为了正确解码,必须要求任何字符的代码不能作为其他字符代码的前缀,这样的码称为二元前缀码。二元前缀码的存储通常采用二叉树结构,令每个字符作为树叶,对应这个字符的前缀码看作根到这片树叶的一条路径,规定每个结点通向左儿子的边记作0,通向右儿子的边记作1。

不同学符在信息中出现的频率不同.设 C ={x1,x2,...,xn}是 n 个字符的集合,xi的频率是 f(xi), i =1,2,..., n ,那么存储一个字符所使用的二进制位数的平均值是:

其中 是表示字符 的二进制位数,也就是的码长。由于一个二元前缀码对应了一棵二叉树,码字就是这棵树的树叶,表示码字的二进制 数就是从根到这片树叶的路径长度,即树叶的深度.那么存储一个字符的平均二进制位数恰好就是这棵树在给定频率下的平均深度,也称为这棵树的权.图中每个码学的频率分别是:

00000:5%,00001:5%,0001:10%,001:15%,

01:25%,100:10%,101:10%,11:20%

最优前缀码,算法与数据结构,算法,贪心算法

存储这个码的一个字符平均需要的二进制位数是:

最优前缀码,算法与数据结构,算法,贪心算法

 不难看出,对应于同一组频率可以构造出不同的二叉树这些二叉树所对应的前缀码的平均字符占用的位数也不一样,占用位数越少的压缩效率越高,压缩效率最高、即每个码字平均使用二进制位数最少的前缀码,称为最优二元前缓码,根据上面的分析不难看出,在给定频率下,对应于最优二元前缀码的二叉树是平均深度最小,即权最小的二叉附,如果叶片数 n 怡好是,且每个码字的频率都是1/n,那么这棵树应该是一棵均衡的二叉树,每片树叶都分布在第k层上。但是,对于任意给定的 n 个频率f(x1),f(x2),...,f(xn),如何构道棵对应于最优二元前缀码的二义树?这就是我们需要解决的问题。

二、最优前缀码问题

给定字符集C={x1,x2,...,xn}和每个字符的频率f(xi),i=1,2,...,n,求关于C的一个最优前缀码。一个著名的构造最优前缀码的贪心算法就是哈夫曼(Huffman)算法。

1、伪代码:

算法4.4 最优前缀码问题(哈夫曼算法) Huffman(C)
输入:C={x1,x2,...,xn}是字符集,每个字符频率f(xi),i=1,2,...,n
输出:Q

  1.       
  2.        中最小元
  3.        中最大元
  4.       最优前缀码,算法与数据结构,算法,贪心算法
  5.        

2、算法分析:

该算法在行2需要 O ( nlogn )的时间对频率排序,行3的 tor 值环执行 O(n)次,循环体内行8的插人操作需要 O(logn )时间,于是算法时间复杂度是 O(nlogn ).

3、片段代码

声明结构体

struct Huffman{
    int weight;//权值 
    char ch;//字符 
    int parent;//父亲节点 
    int left;//左孩子 
    int right;//右孩子 
};

struct Hcode{
    int code[100];//字符的哈夫曼编码的存储
    int start;//开始位置
};

Huffman(C,Q)函数:

void Huffman(char *C,int Q[]){
	int n=strlen(C);
	int i,j;
	for(i=0;i<n;i++){
		huffman[i].ch=C[i];
	}
	for(i=0;i<n*2-1;i++){//哈夫曼节点的初始化 
        huffman[i].weight=0;
        huffman[i].parent=-1;
        huffman[i].left=-1;
        huffman[i].right=-1;
    }
    //赋权重 
	for(i=0;i<n;i++){
		huffman[i].weight=Q[i];
//		printf("%d\n",huffman[i].weight);
	}
	//每次找出权重最小的节点,生成新的节点,需要n-1次合并 
	int a,b,w1,w2;
    for(i=0;i<n-1;i++){
        a=b=-1;
        w1=w2=10000;
        for(j=0;j<n+i;j++){ //注意每次在n+i里面遍历
			//得到权重最小的点 
            if(huffman[j].parent==-1&&huffman[j].weight<w1){//如果每次最小的更新了,那么需要把上次最小的给第二个最小的 
                w2=w1;
                b=a;
                a=j;
                w1=huffman[j].weight;
            }
            
            //注意这里用else if而不是if,是因为它们每次只选1个就可以了 
            else if(huffman[j].parent==-1&&huffman[j].weight<w2){
                b=j;
                w2=huffman[j].weight;
            }
        }
        
        //每次找到最小的两个节点后要记得合并成一个新的节点 
        huffman[n+i].left=a;
        huffman[n+i].right=b;
        huffman[n+i].weight=w1+w2;
        huffman[a].parent=n+i;
        huffman[b].parent=n+i;
    }
}

 以八进制字符集C={0,1,2,3,4,5,6,7}为例,其中字符的频率乘100分别为:

f(0)=f(1)=5,f(2)=10,f(3)=15,f(4)=25,f(5)=f(6)=10,f(7)=20

初始队列 Q ={5.5,10,10,10.15,20.25},根据算法先找到频率最小的字符0和1做兄弟,其父结点频率是5+5=10,于是队列 Q ={10,10,10,10.15,20.25}.第二步找频率为10和10的两个结点做兄弟,其父结点的频率是20,于是队列 Q ={10,10,15.20,20,25},第三步还是找频率10和10的两个结点做兄弟,其父结点的频率是20,于是队列 Q ={15,20,20,20,25}.第四步找频率为15和20的结点做兄弟,父结点频率是35,于是队列 Q ={20,20,25,35}.第五步找到的结点频率是20和20,父结点频率是40,于是队列 Q ={25,35,40}。第六步找到的结点频率是25和35,父结点频率是60,于是队列 Q ={40,60},最后一步把剩下的两个结点做兄弟得到树根,队列 Q =(100),算法结束,从而得到一个二叉树(注意:如果频率相同的项不止一个,所构造的树与算法的实现有关,可能解不是唯一的,但是权值相等)。有了这棵树,根据树根到叶片的路径,就可以得到对应的二元前缀码.

4、完整代码

//算法4.4 最优前缀码问题(哈夫曼算法) Huffman(C)
//输入:C={x1,x2,...,xn}是字符集,每个字符频率f(xi),i=1,2,...,n
//输出:Q

#include<stdio.h>
#include<string.h>
struct Huffman{
    int weight;//权值 
    char ch;//字符 
    int parent;//父亲节点 
    int left;//左孩子 
    int right;//右孩子 
};

struct Hcode{
    int code[100];//字符的哈夫曼编码的存储
    int start;//开始位置
};

struct Huffman huffman[100];//最大字符编码数组长度 
struct Hcode code[100];//最大哈夫曼编码结构体数组的个数 

void Huffman(char *C,int Q[]){
	int n=strlen(C);
	int i,j;
	for(i=0;i<n;i++){
		huffman[i].ch=C[i];
	}
	for(i=0;i<n*2-1;i++){//哈夫曼节点的初始化 
        huffman[i].weight=0;
        huffman[i].parent=-1;
        huffman[i].left=-1;
        huffman[i].right=-1;
    }
    //赋权重 
	for(i=0;i<n;i++){
		huffman[i].weight=Q[i];
//		printf("%d\n",huffman[i].weight);
	}
	//每次找出权重最小的节点,生成新的节点,需要n-1次合并 
	int a,b,w1,w2;
    for(i=0;i<n-1;i++){
        a=b=-1;
        w1=w2=10000;
        for(j=0;j<n+i;j++){ //注意每次在n+i里面遍历
			//得到权重最小的点 
            if(huffman[j].parent==-1&&huffman[j].weight<w1){//如果每次最小的更新了,那么需要把上次最小的给第二个最小的 
                w2=w1;
                b=a;
                a=j;
                w1=huffman[j].weight;
            }
            
            //注意这里用else if而不是if,是因为它们每次只选1个就可以了 
            else if(huffman[j].parent==-1&&huffman[j].weight<w2){
                b=j;
                w2=huffman[j].weight;
            }
        }
        
        //每次找到最小的两个节点后要记得合并成一个新的节点 
        huffman[n+i].left=a;
        huffman[n+i].right=b;
        huffman[n+i].weight=w1+w2;
        huffman[a].parent=n+i;
        huffman[b].parent=n+i;
    }
}

//打印每个字符的哈夫曼编码 
void PrintHuffmanTree(int n){
    struct Hcode CurrentCode;   //保存当前叶子节点的字符编码 
    int CurrentParent;    //当前父节点
    int c;      //下标和叶子节点的编号 
    int i,j;
    for(i=0;i<n;i++){
        CurrentCode.start=n-1;
        c=i;
        CurrentParent=huffman[i].parent;
        //父节点不等于-1才可以遍历
        while(CurrentParent!=-1){ 
        
        	//判断当前父节点的左孩子是否为当前值,是则取0,否则取1 
            if(huffman[CurrentParent].left==c){
                CurrentCode.code[CurrentCode.start]=0;
            }
            else{
                CurrentCode.code[CurrentCode.start]=1;
            }
            CurrentCode.start--;
            c=CurrentParent;//保存当前变量i 
            CurrentParent=huffman[c].parent;
        }
        
        //把当前叶子节点信息保存到编码结构体里面
        for(j=CurrentCode.start+1;j<n;j++){ 
            code[i].code[j] = CurrentCode.code[j];
        }
        code[i].start=CurrentCode.start;
    }
}

int main(){
	int n=0,i,j;
	char C[]={'0','1','2','3','4','5','6','7','\0'};
	int Q[]={5,5,10,15,25,10,10,20}; 
    n=strlen(C);
    
    Huffman(C,Q);
    PrintHuffmanTree(n);
    
    for(i=0;i<n;++i){
        printf("字符%c的哈夫曼编码为:",huffman[i].ch);
        for(j=code[i].start+1;j<n;++j){
            printf("%d",code[i].code[j]);
        }
        printf("\n");
    }
    return 0;
}

运行结果:

最优前缀码,算法与数据结构,算法,贪心算法

 文章来源地址https://www.toymoban.com/news/detail-768752.html

到了这里,关于【贪心法】最优前缀码(Huffman哈夫曼算法)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 哈夫曼编码(Huffman Coding)原理详解

    哈夫曼编码,又称为哈夫曼编码(Huffman Coding) 是一种 可变长编码 ( VLC, variable length coding))方式,比起定长编码的 ASCII 编码来说,哈夫曼编码能节省很多的空间,因为每一个字符出现的频率不是一致的; 是一种用于 无损数据压缩 的熵编码算法,通常用于压缩重复率比较

    2024年02月03日
    浏览(45)
  • 数据结构 实验17:Huffman树和Huffman编码——学习理解哈夫曼树

    目录 前言 实验要求 算法描述 个人想法 代码实现和思路、知识点讲解 知识点讲解 文件传输 Huffman树的存储 Huffman的构造  Huffman编码 编码和译码 代码实现 文件写入和输出 Huffman树初始化 构造Huffman树 求带权路径长度 Huffman编码 Huffman译码 结束 代码测试 测试结果 利用Huffman编

    2024年02月03日
    浏览(58)
  • 数据结构-哈夫曼树(最优二叉树)

    目录 一、引言 二、哈夫曼树的概念 三、哈夫曼树的构建 1. 构建步骤 2. 构建示例 四、哈夫曼编码 1. 编码规则 2. 编码示例 五、哈夫曼树的应用 1. 数据压缩 2. 文件加密 六、总结 在计算机科学中,数据结构是指计算机中数据组织、管理和存储的方式。数据结构是计算机科学的

    2024年02月07日
    浏览(42)
  • 哈夫曼树、带权路径长度、前缀编码 的概念

    路径长度: 经历的边数 结点的带权路径长度: 从树的根到该结点的路径长度 X 该结点上权值。 举例帮助理解 图中结点A的带权路径长度为: 3 × 5 = 15 3times5=15 3 × 5 = 15 图中结点D的带权路径长度为: 2 × 2 = 4 2times 2=4 2 × 2 = 4 树的带权路径长度: 所有 叶子结点 的带权路径长度

    2024年02月05日
    浏览(37)
  • 经典算法: 哈夫曼编码

    从 A 结点到 B 结点所经过的分支序列叫做从 A 结点到 B 结点的 路径; 从 A 结点到 B 结点所经过的分支个数叫做从 A 结点到 B 结点的 路径长度; 从二叉树的根结点到二叉树中所有叶结点的路径长度之和称作 该二叉树的路径长度。 设二叉树有 n 个带权值的叶结点,定义从二叉

    2024年02月06日
    浏览(38)
  • 算法 -汉诺塔,哈夫曼编码

    有三个柱子,分别为 from、buffer、to。需要将 from 上的圆盘全部移动到 to 上,并且要保证小圆盘始终在大圆盘上。 这是一个经典的递归问题,分为三步求解: ① 将 n-1 个圆盘从 from - buffer ② 将 1 个圆盘从 from - to    ③ 将 n-1 个圆盘从 buffer - to   如果只有一个圆盘,那么只需

    2024年02月10日
    浏览(46)
  • C语言---数据结构实验---哈夫曼树及哈夫曼编码的算法实现---图的基本操作

    本篇实验代码非本人写,代码源自外部,经调试解决了部分warning和error后在本地vs上可以正常运行,如有运行失败可换至vs 未来会重构实现该两个实验 内容要求: 1、初始化(Init):能够对输入的任意长度的字符串s进行统计,统计每个字符的频度,并建立哈夫曼树 2、建立编码

    2024年02月13日
    浏览(53)
  • 数据结构与算法之(赫夫曼树,哈夫曼树,压缩软件)

    一:思考         1.电报发送:二战的时候大家都知道那时候普遍会应用电报,如果让你来设计一个电报的发送编码你该如何设计呢?         2.压缩算法:给你10000个字符(每个字符1btye,也就是8bit)的文件,你怎么存储可以尽可能的节省空间呢?         我相信大

    2024年02月09日
    浏览(43)
  • 数据结构与算法--哈夫曼树应用

    第1关:统计报文中各个字符出现的次数 任务描述 本关任务: 给定一串文本,统计其中各个字符出现的次数; 测试说明 平台会对你编写的代码进行测试: 测试输入:` abcdeabcdeabcdabcdabcdabcbccc 预期输出: a 6 b 7 c 9 d 5 e 2 代码: 第2关:对第一关报文中的各个字符进行哈夫曼编

    2024年02月06日
    浏览(48)
  • 【算法数据结构系列】哈夫曼树进阶解读

    作者:半身风雪 简介:移动开发全栈领域工作者

    2024年02月10日
    浏览(44)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包