贪心法求解哈夫曼编码问题。 设要编码的字符集为{d1， d2， …， dn}，它们出现的频率为{w1， w2， …， wn}，应用哈夫曼树构造最优的不等长的由0、1构成的编码方案。

哈夫曼编码是一种最优的前缀编码方式，它可以用来压缩数据。贪心法是求解哈夫曼编码问题的一种常用方法。

具体的贪心策略如下：

1. 将所有的字符按照频率从小到大排序。

2. 取出频率最小的两个字符，将它们作为叶子结点构造一棵二叉树，并将它们的频率相加得到新的节点的频率。

3. 将新的节点插入到已经排序的字符集中，并将排序后的集合从小到大重新排序。

4. 重复步骤2-3，直到只剩下一个节点。

5. 对于每个叶子节点，从根节点出发，记录路径上的0和1，得到每个字符的哈夫曼编码。

下面是用Python实现这个算法的代码：

from heapq import heappush, heappop, heapify

def huffman_encoding(freq):
    heap = [[wt, [sym, ""]] for sym, wt in freq.items()]
    heapify(heap)
    while len(heap) > 1:
        lo = heappop(heap)
        hi = heappop(heap)
        for pair in lo[1:]:
            pair[1] = '0' + pair[1]
        for pair in hi[1:]:
            pair[1] = '1' + pair[1]
        heappush(heap, [lo[0] + hi[0]] + lo[1:] + hi[1:])
    return sorted(heappop(heap)[1:], key=lambda p: (len(p[-1]), p))

freq = {'d1':5, 'd2':3, 'd3':2, 'd4':1}
huffman_encoding(freq)

代码中使用了Python标准库中的heapq模块，它提供了堆（优先队列）的实现。首先将每个字符及其频率封装成一个列表，然后将所有列表放入堆中。在while循环中，每次取出堆中频率最小的两个列表，将它们合并成一个列表，并将其中每个字符的编码加上0或1。将合并后的列表重新加入堆中，直到只剩下一个列表。最后将每个字符的编码按照长度排序输出。

这个算法的时间复杂度为O(nlogn)，其中n为字符集的大小。