给定N个权值作为N个叶子结点，构造一棵二叉树，若该树的带权路径长度达到最小，称这样的二叉树为最优二叉树，也称为哈夫曼树(Huffman Tree)。哈夫曼树是带权路径长度最短的树，权值较大的结点离根较近。
赫夫曼编码
在上图的最优二叉树中我们给每一条边加上一个权值，指向左子节点的边我们标记为0，指向右子节点的边标记为1，那从根节点
到叶节点的路径就是我们说的哈夫曼编码；
所以图c的赫夫曼树对应的编码就是：
电报加密
A：0
B：10
C：110
D：111
构建赫夫曼树
核心思想：贪心算法：利用局部最优推出全局最优，把频率出现多的用短码表示，频率出现小的就用长一点。而且，任何一个字符的编码都不是另一个的前缀，在解压缩的时候，我们每次会读取尽可能长的可解压的二进制串，所以在解压缩的时候也不会产生歧义。
- 具体实现思路：
1.每次取数值最小的两个节点，将之组成为一颗子树。
2.移除原来的两个点
3.然后将组成的子树放入原来的序列中
4.重复执行1 2 3 直到只剩最后一个点
代码实现
package com.DataConstruct.tree.HafuTree;
public class HfmNode implements Comparable<HfmNode>{ //优先队列,小的我把你优先级调高
String chars; //节点里面的字符
int fre; //表示是频率
HfmNode left;
HfmNode right;
HfmNode parent; //用来找上层的
@Override
public int compareTo(HfmNode o) {
return this.fre - o.fre;
}
}
package com.DataConstruct.tree.HafuTree;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.PriorityQueue;
public class HuffmenTree {
HfmNode root;
List<HfmNode> leafs; // 叶子节点
Map<Character, Integer> weights; // 叶子节点的权重, a,b,c,d,e
public HuffmenTree(Map<Character, Integer> weights) {
this.weights = weights;
leafs = new ArrayList<HfmNode>();
}
public Map<Character, String> code() {
Map<Character, String> map = new HashMap<Character, String>();
for (HfmNode node : leafs) {
String code = "";
Character c = new Character(node.chars.charAt(0)); // 叶子节点肯定只有一个字符
HfmNode current = node; // 只有一个点
do {
if (current.parent != null && current == current.parent.left) { // 说明当前点是左边
code = "0" + code;
} else {
code = "1" + code;
}
current = current.parent;
} while (current.parent != null); // parent == null就表示到了根节点
map.put(c, code);
System.out.println(c + ":" + code);
}
return map;
}
public void creatTree() {
Character keys[] = weights.keySet().toArray(new Character[0]); // 拿出所有的点
PriorityQueue<HfmNode> priorityQueue = new PriorityQueue<HfmNode>(); // jdk底层的优先队列
for (Character c : keys) {
HfmNode hfmNode = new HfmNode();
hfmNode.chars = c.toString();
hfmNode.fre = weights.get(c); // 权重
priorityQueue.add(hfmNode); // 首先把我们的优先队列初始化进去
leafs.add(hfmNode);
}
int len = priorityQueue.size();
for (int i = 1; i <= len - 1; i++) { // 每次找最小的两个点合并
HfmNode n1 = priorityQueue.poll(); //
HfmNode n2 = priorityQueue.poll(); // 每次取优先队列的前面两个 就一定是两个最小的
HfmNode newNode = new HfmNode();
newNode.chars = n1.chars + n2.chars; // 我们把值赋值一下，也可以不复制
newNode.fre = n1.fre + n2.fre; // 把权重相加
// 维护出树的结构
newNode.left = n1;
newNode.right = n2;
n1.parent = newNode;
n2.parent = newNode;
priorityQueue.add(newNode);
}
root = priorityQueue.poll(); // 最后这个点就是我们的根节点
System.out.println("构建完成");
}
public static void main(String[] args) {
// a:3 b:24 c:6 d:20 e:34 f:4 g:12
Map<Character, Integer> weights = new HashMap<Character, Integer>();
//一般来说：动态的加密，最开始是不知道里面有什么内容的。我们需要一个密码本，往往就是某个字典。如果是英文就用英文字典，统计次数。
//换密码本
//静态的文件。针对性的做编码.图像加密,没有特性的。hash加密（MD5）
weights.put('a', 3);
**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！**
**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**
**[需要这份系统化资料的朋友，可以戳这里获取](https://gitee.com/vip204888)**
