赫夫曼树JAVA实现及分析
一，介绍
1）构造赫夫曼树的算法是一个贪心算法，贪心的地方在于：总是选取当前频率(权值)最低的两个结点来进行合并，构造新结点。
2）使用最小堆来选取频率最小的节点，有助于提高算法效率，因为要选频率最低的，要么用排序，要么用堆。用堆的话，出堆的复杂度为O(logN)，而向堆中插入一个元素的平均时间复杂度为O(1)，在构建赫夫曼树的过程中，新生成的结点需要插入到原来的队列中，故用堆来维持这种顺序比排序算法要高效地多。
二，赫夫曼算法分析
①用到的数据结构分析
首先需要构造一棵赫夫曼树，因此需要二叉链表这种数据结构（类似于二叉树）；其次，假设树中各个结点出现的频率保存在一维数组中，初始时，根据该数组构造出每个结点。
算法每次从选取两个频率最小的结点，构造出一个新结点，新结点的频率为这个结点的频率之和。那么如何选取频率最小的那两个结点呢？
一种方式是先将结点的频率排序，另一种方式是使用优先级队列（比如最小堆），这里我们使用优先级队列。
结点之间要能够比较（比较谁出现的频率小啊），故结点类需要实现Comparable接口，结点类（内部类）的定义如下：
1 private class BinaryNode implements Comparable<BinaryNode>{ 2 int frequency;//出现的频率 3 BinaryNode left; 4 BinaryNode right; 5 BinaryNode parent; 6 7 public BinaryNode(int frequency, BinaryNode left, BinaryNode right, BinaryNode parent) { 8 this.frequency = frequency; 9 this.left = left; 10 this.right = right; 11 this.parent = parent; 12 } 13 14 @Override 15 public int compareTo(BinaryNode o) { 16 return frequency - o.frequency; 17 } 18 }
注意：这里需要一个parent指针。因为，在对各个结点进行编码的时候，需要根据儿子结点，向上遍历查找父亲结点。
对于赫夫曼树而言，需要知道树的指针，同时，我们还额外定义了一个属性，记录树中的结点个数
public class HuffmanCode{ private BinaryNode root;//root of huffman tree private int nodes;//number of total nodes in huffman tree private class BinaryNode implements Comparable<BinaryNode>{ //........
②构造赫夫曼树的算法具体实现步骤
1)根据各个结点出现的频率来构造结点。初始时，根据每个频率构造一棵单结点的树
2)将结点放到优先级队列(最小堆)中保存起来，这样易于每次选取当前两个最小频率的结点
算法正式开始：
3)从优先级队列中弹出两个结点，再创建一个新的结点作为这两个结点的父亲，新结点的频率为这两个结点的频率之和，并把新结点插入到优先级队列中
4)重复步骤 3) 直到优先级队列中只剩下一个结点为止
最后剩下的这一个结点，就是已经构造好的赫夫曼树的根结点
注意，第 1) 步中构造的为赫夫曼树的叶子结点，而在第 3) 步中构造的结点全是非叶子结点。赫夫曼树中只有两个类型的结点，一种是叶子结点，另一种是度为2的非叶子结点
赫夫曼树中总结点的个数为：叶子结点的个数乘以2 再减去1
1) 和 2) 步骤的实现代码如下：
1 /** 2 * 根据各个结点的权值构造 N 棵单根节点的树 3 * @param frequency 4 * @return 5 */ 6 public List<BinaryNode> make_set(Integer[] frequency){ 7 List<BinaryNode> nodeList = new ArrayList<HuffmanCode.BinaryNode>(frequency.length); 8 for (Integer i : frequency) { 9 nodeList.add(new BinaryNode(i, null, null, null)); 10 } 11 nodes = frequency.length<<1 -1;//huffman 树中结点个数等于叶子结点个数乘以2减去1 12 return nodeList; 13 }
3) 和 4) 步骤的实现代码如下：
1 /** 2 * 3 * @param roots initial root of each tree 4 * @return root of huffman tree 5 */ 6 public BinaryNode buildHuffmanTree(List<BinaryNode> roots){ 7 if(roots.size() == 1)//一共只有一个结点 8 return roots.remove(0); 9 PriorityQueue<BinaryNode> pq = new PriorityQueue<BinaryNode>(roots); 10 while(pq.size() != 1){ 11 BinaryNode left = pq.remove(); 12 BinaryNode right = pq.remove(); 13 BinaryNode parent = new BinaryNode(left.frequency+right.frequency, left, right,null); 14 left.parent = parent; 15 right.parent = parent; 16 pq.add(parent); 17 } 18 return (root = pq.remove());//最后剩下的这个结点就是构造好的赫夫曼树的树根 19 }
三，赫夫曼编码
①如何编码？
编码的实现思路:
从赫夫曼树的叶子结点开始，依次沿着父结点遍历直到树根，如果该叶子结点是其父亲的左孩子，则编码为0，否则编码为1
对所有的叶子结点执行上面操作，就可以把各个结点编码了。
编码的思路类似于求解赫夫曼树中所有叶子结点的频率之和，也就是整个赫夫曼树的代价。求解赫夫曼树的代价的代码如下：
1 /** 2 * 3 * @param root huffman树的根结点 4 * @param nodeList huffman树中的所有叶子结点列表 5 * @return 6 */ 7 public int huffman_cost(List<BinaryNode> nodeList){ 8 int cost = 0; 9 int level; 10 BinaryNode currentNode; 11 for (BinaryNode binaryNode : nodeList) { 12 level = 0; 13 currentNode = binaryNode; 14 while(currentNode != root){ 15 currentNode = currentNode.parent; 16 level++; 17 } 18 cost += level*binaryNode.frequency; 19 } 20 return cost; 21 }
②如何解码？
解码就是根据0 ,1组成的'字符串' 去查找结点。步骤是：对于每个叶子结点，都从赫夫曼的根结点开始，取出每一位，如果是0，往左走；如果是1，往右走。直到遇到一个叶子结点， 此时取出的 0，1 位(二进制位)就是该结点的 编码了。
1 public Map<BinaryNode, String> huffmanDecoding(String encodeString) { 2 BinaryNode currentNode = root; 3 //存储每个叶子结点对应的二进制编码 4 Map<BinaryNode, String> node_Code = new HashMap<HuffmanCode.BinaryNode, String>(); 5 StringBuilder sb = new StringBuilder();//临时保存每个结点的二进制编码 6 for (int i = 0; i < encodeString.length(); i++) { 7 8 char codeChar = encodeString.charAt(i); 9 sb.append(codeChar); 10 if (codeChar == '0') 11 currentNode = currentNode.left; 12 else//codeChar=='1' 13 currentNode = currentNode.right; 14 if (currentNode.left == null && currentNode.right == null)// 说明是叶子结点 15 { 16 node_Code.put(currentNode, sb.toString()); 17 sb.delete(0, sb.length());//清空当前结点,为存储下一个结点的二进制编码做准备 18 currentNode = root;//下一个叶子结点的解码,又从根开始 19 } 20 } 21 return node_Code; 22 }
第18行，当解码完一个叶子结点后，又从根结点开始解码下一个叶子结点。
四，赫夫曼编码的应用
①文件压缩
假设有8个字符如下：a,e,i,s,t,空格(space),换行(newline)。'a'出现的频率为10，'e'出现的频率为15……
由于有8个字符，故需要3bit才能完成表示这8个字符(2^3=8)，比如 000 表示 'a'；101 表示 空格字符(space)....
由于 'a' 出现了10次，故一共需要 3*10=30bit来存储所有的'a'
经过计算，一共需要174个bit来存储上面的字符。
而若使用赫夫曼编码，则只需要146个bit来存储上面的编码，原因是：对于那些出现频率高的字符，赫夫曼编码使用较短的位来存储，而对于那些出现频率低的字符，可能需要较长的位来存储。
程序运行后得到下面的结果：
可以看出，只出现了三次的 's' 字符，它的赫夫曼编码为11011，长度为5bit。而出现了15次的字符 'e' 的赫夫曼编码为 10，长度为2bit
②最优二叉查找树
假设有这样一种情况，某些东西经常出现，比如英语中的: is 、a、hello、you、.....这样的单词经常看到，而有些单词很冷门。
我们把那些经常需要查询的单词(用到的单词)放到赫夫曼树的顶部（即给它们以较短的赫夫曼编码），那在查找它们时，只需要经过少量的几次比较就可以找到了。这就是优化了的二叉查找树。
即把查找频率高的单词放到离树根近的地方，这样就不需要每次都查找到叶子结点后，才能找到要想的单词。
五，完整代码
1 import java.util.ArrayList; 2 import java.util.HashMap; 3 import java.util.List; 4 import java.util.Map; 5 import java.util.PriorityQueue; 6 import java.util.Set; 7 8 public class HuffmanCode { 9 10 private BinaryNode root;// root of huffman tree 11 private int nodes;// number of total nodes in huffman tree 12 13 private class BinaryNode implements Comparable<BinaryNode> { 14 int frequency;// 出现的频率 15 BinaryNode left; 16 BinaryNode right; 17 BinaryNode parent; 18 19 public BinaryNode(int frequency, BinaryNode left, BinaryNode right, 20 BinaryNode parent) { 21 this.frequency = frequency; 22 this.left = left; 23 this.right = right; 24 this.parent = parent; 25 } 26 27 @Override 28 public int compareTo(BinaryNode o) { 29 return frequency - o.frequency; 30 } 31 32 public boolean isLeftChild() { 33 return parent != null && parent.left == this; 34 } 35 36 public boolean isRightChild() { 37 return parent != null && parent.right == this; 38 } 39 } 40 41 /** 42 * 43 * @param roots 44 * initial root of each tree 45 * @return root of huffman tree 46 */ 47 public BinaryNode buildHuffmanTree(List<BinaryNode> roots) { 48 if (roots.size() == 1)// 只有一个结点 49 return roots.remove(0); 50 PriorityQueue<BinaryNode> pq = new PriorityQueue<BinaryNode>(roots);//优先级队列保存所有叶子结点 51 while (pq.size() != 1) { 52 BinaryNode left = pq.remove();//频率最小的先出队列 53 BinaryNode right = pq.remove(); 54 BinaryNode parent = new BinaryNode( 55 left.frequency + right.frequency, left, right, null);//构造父结点 56 left.parent = parent; 57 right.parent = parent; 58 pq.add(parent);//新构造好的根结点插入到优先级队列中 59 } 60 return (root = pq.remove()); 61 } 62 63 /** 64 * 根据各个结点的权值构造 N 棵单根节点的树 65 * 66 * @param frequency 67 * @return 68 */ 69 public List<BinaryNode> make_set(Integer[] frequency) { 70 List<BinaryNode> nodeList = new ArrayList<HuffmanCode.BinaryNode>( 71 frequency.length); 72 for (Integer i : frequency) { 73 nodeList.add(new BinaryNode(i, null, null, null)); 74 } 75 nodes = frequency.length << 1 - 1;// huffman 树中结点个数等于叶子结点个数乘以2减去1 76 return nodeList; 77 } 78 79 /** 80 * 81 * @param root 82 * huffman树的根结点 83 * @param nodeList 84 * huffman树中的所有叶子结点列表 85 * @return 86 */ 87 public int huffman_cost(List<BinaryNode> nodeList) { 88 int cost = 0; 89 int level; 90 BinaryNode currentNode; 91 for (BinaryNode binaryNode : nodeList) { 92 level = 0; 93 currentNode = binaryNode; 94 while (currentNode != root) { 95 currentNode = currentNode.parent; 96 level++; 97 } 98 cost += level * binaryNode.frequency; 99 } 100 return cost; 101 } 102 103 public String huffmanEncoding(List<BinaryNode> nodeList) { 104 StringBuilder sb = new StringBuilder(); 105 BinaryNode currentNode; 106 for (BinaryNode binaryNode : nodeList) { 107 currentNode = binaryNode; 108 while (currentNode != root) { 109 if (currentNode.isLeftChild()) 110 sb.append("0");// 左孩子编码为0 111 else if (currentNode.isRightChild()) 112 sb.append("1");// 右孩子编码为1 113 currentNode = currentNode.parent; 114 } 115 } 116 return sb.toString(); 117 } 118 119 public Map<BinaryNode, String> huffmanDecoding(String encodeString) { 120 BinaryNode currentNode = root; 121 //存储每个叶子结点对应的二进制编码 122 Map<BinaryNode, String> node_Code = new HashMap<HuffmanCode.BinaryNode, String>(); 123 StringBuilder sb = new StringBuilder();//临时保存每个结点的二进制编码 124 for (int i = 0; i < encodeString.length(); i++) { 125 126 char codeChar = encodeString.charAt(i); 127 sb.append(codeChar); 128 if (codeChar == '0') 129 currentNode = currentNode.left; 130 else 131 currentNode = currentNode.right; 132 if (currentNode.left == null && currentNode.right == null)// 说明是叶子结点 133 { 134 node_Code.put(currentNode, sb.toString()); 135 sb.delete(0, sb.length());//清空当前结点,为存储下一个结点的二进制编码做准备 136 currentNode = root;//下一个叶子结点的解码,又从根开始 137 } 138 } 139 return node_Code; 140 } 141 142 // for test purpose 143 public static void main(String[] args) { 144 Integer[] frequency = { 10, 15, 12, 3, 4, 13, 1 };//各个结点的初始频率 145 HuffmanCode hc = new HuffmanCode(); 146 List<BinaryNode> nodeList = hc.make_set(frequency);//构造各个单节点树 147 hc.buildHuffmanTree(nodeList);//构建huffman tree 148 int totalCost = hc.huffman_cost(nodeList);//计算huffman tree的代价 149 System.out.println(totalCost); 150 String encodeStr = hc.huffmanEncoding(nodeList);//将各个叶子结点进行huffman 编码 151 System.out.println("编码后的字符串" + encodeStr); 152 153 //根据编码字符串解码 154 Map<BinaryNode, String> decodeMap = hc.huffmanDecoding(encodeStr); 155 Set<Map.Entry<BinaryNode, String>> entrys = decodeMap.entrySet(); 156 for (Map.Entry<BinaryNode, String> entry : entrys) { 157 BinaryNode node = entry.getKey(); 158 String code = entry.getValue(); 159 System.out.println("Node's frequency=" + node.frequency + " : " + code); 160 } 161 } 162 }
六，参考资料
《数据结构与算法分析》Mark Allen Wiess著
