哈夫曼树又称最优二叉树，是一种带权路径长度最短的二叉树。所谓树的带权路径长度，就是树中所有的叶结点的权值乘上其到根结点的路径长度（若根结点为0层，叶结点到根结点的路径长度为叶结点的层数）。树的带权路径长度记为WPL=(W1*L1+W2*L2+W3*L3+...+ Wn*Ln)，N个权值Wi(i=1,2,...n)构成一棵有N个叶结点的二叉树，相应的叶结点的路径长度为Li(i=1,2,...n)。可以证明哈夫曼树的WPL是最小的。
构造哈夫曼树的算法如下：
1）对给定的n个权值{W1,W2,W3,...,Wi,...,Wn}构成n棵二叉树的初始集合F={T1,T2,T3,...,Ti,..., Tn}，其中每棵二叉树Ti中只有一个权值为Wi的根结点，它的左右子树均为空。
2）在F中选取两棵根结点权值最小的树作为新构造的二叉树的左右子树，新二叉树的根结点的权值为其左右子树的根结点的权值之和。
3）从F中删除这两棵树，并把这棵新的二叉树同样以升序排列加入到集合F中。
4）重复2）和3），直到集合F中只有一棵二叉树为止。
例如，对于4个权值为1、3、5、7的节点构造一棵哈夫曼树，其构造过程如下图所示（本人不善画图，使用DIA勉强画出如此之图）：
可以计算得到该哈夫曼树的路径长度WPL＝(1+3)*3+2*5+1*7=26。
对于哈夫曼树，有一个很重要的定理：对于具有n个叶子节点的哈夫曼树，共有2*n-1个节点。
这个定理的解释如下：对于二叉树来说，有三种类型节点，即度数（只算出度）为2的节点，度数为1的节点和度数为0的叶节点。而哈夫曼树的非叶子节点是由两个节点生成的，因此不能出现度数为1的节点，而生成的非叶子节点的个数为叶子节点个数减一，于此定理就得证了。
这里给出构造哈夫曼树的算法（算法实现使用C语言而不是java）。出于简单性考虑，构造的哈夫曼树不是采用链式存储，而是以数组方式存储，其中使用数组位置索引标识节点的链接。对于哈夫曼树中的节点其数据类型如下：
char c; // 存储的数据，为一个字符
double weight; // 节点权重
int parent; // 父节点在数组中的位置索引
int lchild; // 左孩子在数组中的位置索引
int rchild; // 右孩子在数组中的位置索引
}HTNode;
构造哈夫曼树的算法的实现原理如下：对于n个叶子节点，我们根据上面的定理构造出大小为2*n-1的数组来存放整个哈夫曼树。这个数组的前n个位置存放的为已知的叶子节点，后（n-1）个位置存放的为动态生成的树内节点。在算法的大循环过程中，要做的事情就是根据位置i前面的已知节点（或者是叶节点或者是生成的树内节点），找出 parent为－1（即节点尚且是一个子树的根结点）的节点中权值最小的两个节点，然后根据这两个节点构造出位置为i的新的父节点（也就是一棵新树的根结点）。程序如下：
int i , j;
int lchild , rchild;
double minL , minR;
for (i = 0 ;i < 2 * n - 1 ;i ++ ){
ht[i] . parent = ht[i] . lchild = ht[i] . rchild = - 1 ;
}
for (i = n;i < 2 * n - 1 ;i ++ ){
minL = minR = MAXNUMBER;
lchild = rchild = - 1 ;
for (j = 0 ;j < i;j ++ ){
if (ht[j] . parent == - 1 ){
if (ht[j] . weight < minL){
minR = minL;
minL = ht[j] . weight;
rchild = lchild;
lchild = j;
} else if (ht[j] . weight < minR){
minR = ht[j] . weight;
rchild = j;
}
}
}
ht[lchild] . parent = ht[rchild] . parent = i;
ht[i] . weight = minL + minR;
ht[i] . lchild = lchild;
ht[i] . rchild = rchild;
}
}
哈夫曼树的一个经典应用就是哈夫曼编码。在数据通信中，经常需要将传送的文字转换成二进制字符串，这个过程就是编码。哈夫曼编码是一种变长的编码方案，其核心就是使频率越高的码元（这个词不知用的是否准确，就是要编码的对象，可以是字符串等等了）采用越短的编码。编码过程就根据不同码元的频率（相当于权值）构造出哈夫曼树，然后求叶子节点到根节点的路径，其中节点的左孩子路径标识为0，右孩子路径标识为1。对于上面的例子，权值为1的节点编码为000，权值为3的节点编码为001，权值为5的节点编码为01，权值为7的节点编码为1。
下面的实现采用的方法是从叶子节点向上遍历到根结点，其中数据类型 HCode中的 code存储路径信息，而start表示路径信息是从code数组的start位置开始的，结束位置为节点数n。
char * code;
int start;
}Hcode;
void createHuffmanCode(HTNode ht[] , HCode hc[] , int n){
int i , f , c;
HCode father;
for (i = 0 ;i < n;i ++ ){
hc[i] . start = n;
c = i;
while ((f = ht[c] . parent) != - 1 ){
if (ht[f] . lchild == c){
hc[i] . code[hc[i] . start -- ] = ' 0 ' ;
} else {
hc[i] . code[hc[i] . start -- ] = ' 1 ' ;
}
c = f;
}
hc[i] . start ++ ;
}
}
注：有关于数据结构及常用算法的系列文章的代码将主要采用C语言，主要的原因是作者希望借此机会重新温习一下C语言。数据结构及算法的学习重要的是思想，实现语言倒是其次。如果有人阅读此代码有困难，不妨在理解算法的基础上使用擅长的语言（比如Java？）实现一下。该文参考了《数据结构习题与解析》一书。