请给出哈夫曼树的建树算法
时间: 2023-12-14 14:08:29 浏览: 28
哈夫曼树建树算法:
1. 统计各个字符在文本中出现的频率,并将其存储在一个数组中。
2. 将该数组按频率从小到大进行排序。
3. 取出频率最小的两个节点作为叶子节点,并令它们的频率之和作为它们的父节点的频率。将它们作为新的节点插入到数组中。
4. 对新数组按频率从小到大进行排序。
5. 重复步骤3和4,直到数组中只剩下一个节点为止,此节点即为哈夫曼树的根节点。
总结:哈夫曼树是一种带权路径长度最短的二叉树,刚好被用于数据的压缩和加密。
相关问题
请给出哈夫曼树的建树代码
以下是哈夫曼树的 C++ 代码:
```
#include <iostream>
#include <queue>
#include <vector>
using namespace std;
// 哈夫曼树节点
struct HuffmanNode
{
int weight; // 权值
int parent; // 父节点下标
int leftChild; // 左子节点下标
int rightChild; // 右子节点下标
};
// 根据权值比较大小的仿函数
struct HuffmanCmp
{
bool operator() (HuffmanNode a, HuffmanNode b)
{
return a.weight > b.weight;
}
};
// 建立哈夫曼树
void BuildHuffmanTree(int* weight, int n, HuffmanNode* nodes)
{
// 创建权值最小的优先队列
priority_queue<HuffmanNode, vector<HuffmanNode>, HuffmanCmp> q;
for(int i = 0; i < n; ++i)
{
nodes[i].weight = weight[i];
nodes[i].parent = -1;
nodes[i].leftChild = -1;
nodes[i].rightChild = -1;
q.push(nodes[i]);
}
// 构建哈夫曼树
for(int i = 0; i < n-1; ++i)
{
// 取出权值最小的2个节点
HuffmanNode node1 = q.top(); q.pop();
HuffmanNode node2 = q.top(); q.pop();
// 创建新节点,左右指针分别指向取出的2个节点
HuffmanNode newNode = {node1.weight + node2.weight, -1, node1.weight < node2.weight ? node1 : node2, node1.weight < node2.weight ? node2 : node1};
// 设置取出的2个节点的父节点指针
node1.parent = i + n;
node2.parent = i + n;
// 将新节点加入队列
q.push(newNode);
// 新节点指向父节点
nodes[i+n] = newNode;
}
}
int main()
{
int n = 5;
int weight[5] = {5, 2, 4, 7, 1};
HuffmanNode nodes[2*n-1];
BuildHuffmanTree(weight, n, nodes);
return 0;
}
```
哈夫曼树建立 哈夫曼树编码算法
哈夫曼树是一种用于数据压缩的树形数据结构。它通过构建一棵满足最小编码长度的二叉树来实现对数据的压缩。哈夫曼树的基本思想是:对于给定的一组权值,构造一棵满足权值之和最小的二叉树,使得每个权值在树中对应一个叶子节点,并且该叶子节点的权值为该节点对应权值的和。
哈夫曼树编码算法的基本步骤如下:
1. 统计每个字符在文本中出现的频率,并按照出现频率从小到大排序。
2. 将出现频率最小的两个字符构建成一棵二叉树,并将该二叉树的根节点的权值设置为这两个字符的出现频率之和。
3. 将新的二叉树插入到已排序的队列中,并重新排序。
4. 重复步骤2和步骤3,直到只剩下一棵二叉树为止。
5. 对于每个字符,从根节点开始遍历哈夫曼树,如果向左走,则在编码中添加0,如果向右走,则在编码中添加1,直到到达该字符的叶子节点,并将该字符的编码存储在一个表中。
使用哈夫曼编码可以将文本中的字符压缩为更短的二进制编码,从而实现对数据的压缩。同时,哈夫曼编码是一种无损压缩算法,即压缩后的数据可以完全恢复为原始的数据。