树结构(四) - 哈夫曼树的原理与实现



一、哈夫曼树的介绍

Huffman Tree,中文名是哈夫曼树或霍夫曼树,它是最优二叉树。

定义:给定n个权值作为n个叶子结点,构造一棵二叉树,若树的带权路径长度达到最小,则这棵树被称为哈夫曼树。 这个定义里面涉及到了几个陌生的概念,下面就是一颗哈夫曼树,我们来看图解答。

树结构(四) - 哈夫曼树的原理与实现_第1张图片

(1) 路径和路径长度

定义:在一棵树中,从一个结点往下可以达到的孩子或孙子结点之间的通路,称为路径。通路中分支的数目称为路径长度。若规定根结点的层数为1,则从根结点到第L层结点的路径长度为L-1。
例子:100和80的路径长度是1,50和30的路径长度是2,20和10的路径长度是3。

(2) 结点的权及带权路径长度

定义:若将树中结点赋给一个有着某种含义的数值,则这个数值称为该结点的权。结点的带权路径长度为:从根结点到该结点之间的路径长度与该结点的权的乘积。
例子:节点20的路径长度是3,它的带权路径长度= 路径长度 * 权 = 3 * 20 = 60。

(3) 树的带权路径长度

定义:树的带权路径长度规定为所有叶子结点的带权路径长度之和,记为WPL。
例子:示例中,树的WPL= 1*100 + 2*50 + 3*20 + 3*10 = 100 + 100 + 60 + 30 = 290。

比较下面两棵树

树结构(四) - 哈夫曼树的原理与实现_第2张图片

上面的两棵树都是以{10, 20, 50, 100}为叶子节点的树。

左边的树WPL=2*10 + 2*20 + 2*50 + 2*100 = 360
右边的树WPL=290

左边的树WPL > 右边的树的WPL。你也可以计算除上面两种示例之外的情况,但实际上右边的树就是{10,20,50,100}对应的哈夫曼树。至此,应该对哈夫曼树的概念有了一定的了解了,下面看看如何去构造一棵哈夫曼树。

二、哈夫曼树的图文解析

假设有n个权值,则构造出的哈夫曼树有n个叶子结点。 n个权值分别设为 w1、w2、…、wn,哈夫曼树的构造规则为:

1. 将w1、w2、…,wn看成是有n 棵树的森林(每棵树仅有一个结点);
2. 在森林中选出根结点的权值最小的两棵树进行合并,作为一棵新树的左、右子树,且新树的根结点权值为其左、右子树根结点权值之和;
3. 从森林中删除选取的两棵树,并将新树加入森林;
4. 重复(02)、(03)步,直到森林中只剩一棵树为止,该树即为所求得的哈夫曼树。

以{5,6,7,8,15}为例,来构造一棵哈夫曼树。

树结构(四) - 哈夫曼树的原理与实现_第3张图片

第1步:创建森林,森林包括5棵树,这5棵树的权值分别是5,6,7,8,15。
第2步:在森林中,选择根节点权值最小的两棵树(5和6)来进行合并,将它们作为一颗新树的左右孩子(谁左谁右无关紧要,这里,我们选择较小的作为左孩子),并且新树的权值是左右孩子的权值之和。即,新树的权值是11。 然后,将"树5"和"树6"从森林中删除,并将新的树(树11)添加到森林中。
第3步:在森林中,选择根节点权值最小的两棵树(7和8)来进行合并。得到的新树的权值是15。 然后,将"树7"和"树8"从森林中删除,并将新的树(树15)添加到森林中。
第4步:在森林中,选择根节点权值最小的两棵树(11和15)来进行合并。得到的新树的权值是26。 然后,将"树11"和"树15"从森林中删除,并将新的树(树26)添加到森林中。
第5步:在森林中,选择根节点权值最小的两棵树(15和26)来进行合并。得到的新树的权值是41。 然后,将"树15"和"树26"从森林中删除,并将新的树(树41)添加到森林中。
此时,森林中只有一棵树(树41)。这棵树就是我们需要的哈夫曼树!

三、哈夫曼树的基本操作

哈夫曼树的重点是如何构造哈夫曼树。本文构造哈夫曼时,用到了以前介绍过的"(二叉堆)最小堆"。下面对哈夫曼树进行讲解。

1. 基本定义

public class HuffmanNode implements Comparable, Cloneable {
    protected int key;              // 权值
    protected HuffmanNode left;     // 左孩子
    protected HuffmanNode right;    // 右孩子
    protected HuffmanNode parent;   // 父结点

    protected HuffmanNode(int key, HuffmanNode left, HuffmanNode right, HuffmanNode parent) {
        this.key = key;
        this.left = left;
        this.right = right;
        this.parent = parent;
    }

    @Override
    public Object clone() {
        Object obj=null;

        try {
            obj = (HuffmanNode)super.clone();//Object 中的clone()识别出你要复制的是哪一个对象。    
        } catch(CloneNotSupportedException e) {
            System.out.println(e.toString());
        }

        return obj;    
    }

    @Override
    public int compareTo(Object obj) {
        return this.key - ((HuffmanNode)obj).key;
    }
}

HuffmanNode是哈夫曼树的节点类。

public class Huffman {

    private HuffmanNode mRoot;  // 根结点

    ...
}

Huffman是哈夫曼树对应的类,它包含了哈夫曼树的根节点和哈夫曼树的相关操作。

2. 构造哈夫曼树

/* 
 * 创建Huffman树
 *
 * @param 权值数组
 */
public Huffman(int a[]) {
    HuffmanNode parent = null;
    MinHeap heap;

    // 建立数组a对应的最小堆
    heap = new MinHeap(a);

    for(int i=0; i

首先创建最小堆,然后进入for循环。

每次循环时:

(1) 首先,将最小堆中的最小节点拷贝一份并赋值给left,然后重塑最小堆(将最小节点和后面的节点交换位置,接着将"交换位置后的最小节点"之前的全部元素重新构造成最小堆);
(2) 接着,再将最小堆中的最小节点拷贝一份并将其赋值right,然后再次重塑最小堆;
(3) 然后,新建节点parent,并将它作为left和right的父节点;
(4) 接着,将parent的数据复制给最小堆中的指定节点。

四、哈夫曼树的完整源码

1. 哈夫曼树的节点类(HuffmanNode.java)

package com.struction.source.tree.huffman.java;

/**
 * Huffman节点类(Huffman.java的辅助类)
 * 
 * @author Anndy
 */

public class HuffmanNode implements Comparable, Cloneable {
	protected int key; // 权值
	protected HuffmanNode left; // 左孩子
	protected HuffmanNode right; // 右孩子
	protected HuffmanNode parent; // 父结点

	protected HuffmanNode(int key, HuffmanNode left, HuffmanNode right,
			HuffmanNode parent) {
		this.key = key;
		this.left = left;
		this.right = right;
		this.parent = parent;
	}

	@Override
	public Object clone() {
		Object obj = null;

		try {
			obj = (HuffmanNode) super.clone();// Object 中的clone()识别出你要复制的是哪一个对象。
		} catch (CloneNotSupportedException e) {
			System.out.println(e.toString());
		}

		return obj;
	}

	@Override
	public int compareTo(Object obj) {
		return this.key - ((HuffmanNode) obj).key;
	}
}

2. 哈夫曼树的实现文件(Huffman.java)

package com.struction.source.tree.huffman.java;

/**
 * Huffman树
 * 
 * @author Anndy
 */

public class Huffman {

	private HuffmanNode mRoot; // 根结点

	/*
	 * 创建Huffman树
	 * 
	 * @param 权值数组
	 */
	public Huffman(int a[]) {
		HuffmanNode parent = null;
		MinHeap heap;

		// 建立数组a对应的最小堆
		heap = new MinHeap(a);

		for (int i = 0; i < a.length - 1; i++) {
			HuffmanNode left = heap.dumpFromMinimum(); // 最小节点是左孩子
			HuffmanNode right = heap.dumpFromMinimum(); // 其次才是右孩子

			// 新建parent节点,左右孩子分别是left/right;
			// parent的大小是左右孩子之和
			parent = new HuffmanNode(left.key + right.key, left, right, null);
			left.parent = parent;
			right.parent = parent;

			// 将parent节点数据拷贝到"最小堆"中
			heap.insert(parent);
		}

		mRoot = parent;

		// 销毁最小堆
		heap.destroy();
	}

	/*
	 * 前序遍历"Huffman树"
	 */
	private void preOrder(HuffmanNode tree) {
		if (tree != null) {
			System.out.print(tree.key + " ");
			preOrder(tree.left);
			preOrder(tree.right);
		}
	}

	public void preOrder() {
		preOrder(mRoot);
	}

	/*
	 * 中序遍历"Huffman树"
	 */
	private void inOrder(HuffmanNode tree) {
		if (tree != null) {
			inOrder(tree.left);
			System.out.print(tree.key + " ");
			inOrder(tree.right);
		}
	}

	public void inOrder() {
		inOrder(mRoot);
	}

	/*
	 * 后序遍历"Huffman树"
	 */
	private void postOrder(HuffmanNode tree) {
		if (tree != null) {
			postOrder(tree.left);
			postOrder(tree.right);
			System.out.print(tree.key + " ");
		}
	}

	public void postOrder() {
		postOrder(mRoot);
	}

	/*
	 * 销毁Huffman树
	 */
	private void destroy(HuffmanNode tree) {
		if (tree == null)
			return;

		if (tree.left != null)
			destroy(tree.left);
		if (tree.right != null)
			destroy(tree.right);

		tree = null;
	}

	public void destroy() {
		destroy(mRoot);
		mRoot = null;
	}

	/*
	 * 打印"Huffman树"
	 * 
	 * key -- 节点的键值 direction -- 0,表示该节点是根节点; -1,表示该节点是它的父结点的左孩子;
	 * 1,表示该节点是它的父结点的右孩子。
	 */
	private void print(HuffmanNode tree, int key, int direction) {

		if (tree != null) {

			if (direction == 0) // tree是根节点
				System.out.printf("%2d is root\n", tree.key);
			else
				// tree是分支节点
				System.out.printf("%2d is %2d's %6s child\n", tree.key, key,
						direction == 1 ? "right" : "left");

			print(tree.left, tree.key, -1);
			print(tree.right, tree.key, 1);
		}
	}

	public void print() {
		if (mRoot != null)
			print(mRoot, mRoot.key, 0);
	}
}

3. 哈夫曼树对应的最小堆(MinHeap.java)

package com.struction.source.tree.huffman.java;

/**
 * 最小堆(Huffman.java的辅助类)
 *
 * @author Anndy
 */

import java.util.ArrayList;
import java.util.List;

public class MinHeap {

	private List mHeap; // 存放堆的数组

	/*
	 * 创建最小堆
	 * 
	 * 参数说明: a -- 数据所在的数组
	 */
	protected MinHeap(int a[]) {
		mHeap = new ArrayList();
		// 初始化数组
		for (int i = 0; i < a.length; i++) {
			HuffmanNode node = new HuffmanNode(a[i], null, null, null);
			mHeap.add(node);
		}

		// 从(size/2-1) --> 0逐次遍历。遍历之后,得到的数组实际上是一个最小堆。
		for (int i = a.length / 2 - 1; i >= 0; i--)
			filterdown(i, a.length - 1);
	}

	/*
	 * 最小堆的向下调整算法
	 * 
	 * 注:数组实现的堆中,第N个节点的左孩子的索引值是(2N+1),右孩子的索引是(2N+2)。
	 * 
	 * 参数说明: start -- 被下调节点的起始位置(一般为0,表示从第1个开始) end -- 截至范围(一般为数组中最后一个元素的索引)
	 */
	protected void filterdown(int start, int end) {
		int c = start; // 当前(current)节点的位置
		int l = 2 * c + 1; // 左(left)孩子的位置
		HuffmanNode tmp = mHeap.get(c); // 当前(current)节点

		while (l <= end) {
			// "l"是左孩子,"l+1"是右孩子
			if (l < end && (mHeap.get(l).compareTo(mHeap.get(l + 1)) > 0))
				l++; // 左右两孩子中选择较小者,即mHeap[l+1]

			int cmp = tmp.compareTo(mHeap.get(l));
			if (cmp <= 0)
				break; // 调整结束
			else {
				mHeap.set(c, mHeap.get(l));
				c = l;
				l = 2 * l + 1;
			}
		}
		mHeap.set(c, tmp);
	}

	/*
	 * 最小堆的向上调整算法(从start开始向上直到0,调整堆)
	 * 
	 * 注:数组实现的堆中,第N个节点的左孩子的索引值是(2N+1),右孩子的索引是(2N+2)。
	 * 
	 * 参数说明: start -- 被上调节点的起始位置(一般为数组中最后一个元素的索引)
	 */
	protected void filterup(int start) {
		int c = start; // 当前节点(current)的位置
		int p = (c - 1) / 2; // 父(parent)结点的位置
		HuffmanNode tmp = mHeap.get(c); // 当前(current)节点

		while (c > 0) {
			int cmp = mHeap.get(p).compareTo(tmp);
			if (cmp <= 0)
				break;
			else {
				mHeap.set(c, mHeap.get(p));
				c = p;
				p = (p - 1) / 2;
			}
		}
		mHeap.set(c, tmp);
	}

	/*
	 * 将node插入到二叉堆中
	 */
	protected void insert(HuffmanNode node) {
		int size = mHeap.size();

		mHeap.add(node); // 将"数组"插在表尾
		filterup(size); // 向上调整堆
	}

	/*
	 * 交换两个HuffmanNode节点的全部数据
	 */
	private void swapNode(int i, int j) {
		HuffmanNode tmp = mHeap.get(i);
		mHeap.set(i, mHeap.get(j));
		mHeap.set(j, tmp);
	}

	/*
	 * 新建一个节点,并将最小堆中最小节点的数据复制给该节点。 然后除最小节点之外的数据重新构造成最小堆。
	 * 
	 * 返回值: 失败返回null。
	 */
	protected HuffmanNode dumpFromMinimum() {
		int size = mHeap.size();

		// 如果"堆"已空,则返回
		if (size == 0)
			return null;

		// 将"最小节点"克隆一份,将克隆得到的对象赋值给node
		HuffmanNode node = (HuffmanNode) mHeap.get(0).clone();

		// 交换"最小节点"和"最后一个节点"
		mHeap.set(0, mHeap.get(size - 1));
		// 删除最后的元素
		mHeap.remove(size - 1);

		if (mHeap.size() > 1)
			filterdown(0, mHeap.size() - 1);

		return node;
	}

	// 销毁最小堆
	protected void destroy() {
		mHeap.clear();
		mHeap = null;
	}
}

4. 哈夫曼树的测试程序(HuffmanTest.java)

package com.struction.source.tree.huffman.java;

/**
 * Huffman树的测试程序
 * 
 * @author Anndy
 */

public class HuffmanTest {

	private static final int a[] = { 5, 6, 8, 7, 15 };

	public static void main(String[] args) {
		int i;
		Huffman tree;

		System.out.print("== 添加数组: ");
		for (i = 0; i < a.length; i++)
			System.out.print(a[i] + " ");

		// 创建数组a对应的Huffman树
		tree = new Huffman(a);

		System.out.print("\n== 前序遍历: ");
		tree.preOrder();

		System.out.print("\n== 中序遍历: ");
		tree.inOrder();

		System.out.print("\n== 后序遍历: ");
		tree.postOrder();
		System.out.println();

		System.out.println("== 树的详细信息: ");
		tree.print();

		// 销毁二叉树
		tree.destroy();
	}
}

你可能感兴趣的:(数据结构与算法)