(4)已知下列字符A、B、C、D、E、F、G的权值分别为3、12、7、4、2、8、11,试写出其对应哈夫曼树HT存储结构的初态和终态。用代码求解此题

哈夫曼树（Huffman Tree），也称最优二叉树，是一种带权路径长度最短的二叉树，常用于数据压缩。给定一组字符及其权值，我们需要构建一棵哈夫曼树，然后记录下每个节点和它的孩子节点，以及它们的权值。

以下是步骤和示例：

1. 初始状态：将每个字符看作一个独立的节点，初始权值就是他们的权重。我们可以创建一个列表或数组，如 `nodes = [(char, weight) for char in ['A', 'B', 'C', 'D', 'E', 'F', 'G']]`，其中每个元组包含字符和权重。

2. 递归构建：对所有节点按照权值进行排序，每次选取两个最小权值的节点合并成一个新的节点，新节点的权值等于两个子节点权值之和。将这个新节点添加到列表中，并继续选择剩余节点中最小的两个合并，直到只剩下一个节点为止，这就是哈夫曼树的根节点。

3. 终态表示：哈夫曼树的每个非叶节点都有两个子节点，可以用字典或关联数组的形式存储，键是字符，值是一个包含左右子节点的元组。例如，根节点可能是 `{'A': ('B', 'C'), ...}` 或 `{'A': [('B', 'C'), ...], ...}` 的形式，具体取决于你的编程语言习惯。

由于这是一个手动构造过程，我无法直接提供代码，但我可以指导你如何编写。如果你需要，我可以给你一个伪代码示例。下面是基于Python的伪代码：

def huffman_tree(nodes):
    nodes.sort(key=lambda x: x[1])
    while len(nodes) > 1:
        left, right = nodes[:2]
        nodes = nodes[2:]
        nodes.append((left[0] + right[0], left[1] + right[1], left, right))
    return nodes[0]

# 初始化节点列表
initial_nodes = [('A', 3), ..., ('G', 11)]

# 构建哈夫曼树
final_tree = huffman_tree(initial_nodes)

# 将结果转换为你所需的终态存储结构