第七章 二叉树及其应用.ppt

7.1 二叉树的概念 7.2 二叉树的存储 7.3 二叉树的遍历 7.4 线索二叉树 7.5 二叉树的应用1基本算法 7.6 二叉树的应用2哈夫曼树 7.7 二叉树的应用3二叉排序树 7.8 二叉树的应用3堆和堆排序,第7章 二叉树及其应用,7.1.1 什么是二叉树 7.1.2 特殊的二叉树 7.1.3 二叉树的性质,7.1 二叉树的概念,二叉树的定义 二叉树是由n(n0)个结点组成的有限集合，其中： 当n0时为空树； 当n0时，有且仅有一个特定的结点，称为二叉树的根，其余结点可分为2个互不相交的子集，其中每一个子集本身又是一棵二叉树，分别称为左子树和右子树。,二叉树的形态,二叉树的基本术语： 父结点：若一个结点有子树，则该结点为父结点（也称 双亲结点）。 孩子结点：若某结点有左子树，则其左子树的根为该结点的左孩子；若其有右子树，则其右子树的根为该结点的右孩子。,结点A为结点B、C的父结点 B为A的左孩子， C是A的右孩子；,兄弟结点：同一个结点的孩子。 延伸父子关系可得到祖先结点和后代结点关系。 层次：根结点的层次为1，其余结点的层次是其父结点 的层次加1。 高度（深度）：二叉树中结点的最大层次数。,该二叉树的深度为4；,度：一个结点的孩子数目是这个结点的度。 叶子结点：度为0的结点。 二叉树的度：二叉树中结点的最大的度。,A、B、C的度均为2； E、F、G的度均为1； D、H、I、J的度为0.,注意：对于结点数1的二叉树，有且仅有一个结点为二叉树的根，其余结点均为孩子结点，且有左右之分左孩子、右孩子。,例：具有三个结点的二叉树,总结：二叉树的逻辑结构 （1）二叉树中任一结点（除根结点外）只有一个父结点； （2）二叉树中任一结点（除叶子结点外）最多有2个孩子结点； （3）结点间为非线性关系。,7.1.1 什么是二叉树 7.1.2 两种特殊的二叉树 7.1.3 二叉树的性质,7.1 二叉树的概念,满二叉树 定义：满二叉树是满足如下条件的二叉树： 任一非叶子结点均有两个孩子； 对于二叉树的任一层，若该层上有一个结点有孩子，则该层上所有结点均有孩子。 特点：满二叉树的每层都有最大结点数。,问题：可不可以说，所有非叶子结点均有两个孩子的二叉树为满二叉树？,完全二叉树 定义：在满二叉树的最下层从右到左连续地删除若干个结点所得到的二叉树。 特点： 叶子结点只可能在层次最大的两层上出现； 满二叉树必为完全二叉树， 而完全二叉树不一定是满二叉树。,例：满二叉树和完全二叉树,7.1.1 什么是二叉树 7.1.2 两种特殊的二叉树 7.1.3 二叉树的性质,7.1 二叉树的概念,性质1：在二叉树的第i层上至多有2i-1个结点（i 0） 证明： 用数学归纳法。 归纳基础：当i=1时，整个二叉树只有一根结点，此时2i-1=20=1，结论成立。 归纳假设：假设i=k时结论成立，即第k层上结点总数最多为2k-1个。 现证明当i=k+1时， 结论成立： 因为二叉树中每个结点的度最大为2，则第k+1层的结点总数最多为第k层上结点最大数的2倍，即2×2k-1=2(k+1)-1，故结论成立。,性质2：深度为k的二叉树至多有2k-1个结点（k 0） 证明：因为深度为k的二叉树，其结点总数的最大值是将二叉树每层上结点的最大值相加，所以深度为k的二叉树的结点总数至多为,故结论成立。,深度为k的满二叉树有2k-1个结点；或者说，深度为k且有2k-1个结点的二叉树为满二叉树。,性质3：对任一棵非空的二叉树T，如果其叶子数为n0，度为2的结点数为n2，则： n0 = n2 +1 证明：设 总结点数为n，度为1的结点数为n1. 则 ： n = n1 + n2 + n0 又 度为1的结点有1个孩子，度为2的结点有2个孩子. 故 二叉树中孩子结点的总数为n1 + 2n2 二叉树中只有根结点不是任何结点的孩子 总结点数 n = n1 + 2n2 + 1 即：n1 +2n2 + 1 = n1 + n2 + n0 n0 = n2 +1,例：已知叶子数为20，10个结点有一个左孩子，15个结点有一个右孩子，求该二叉树的总结点数。 解：n0 = 20 n1 = 10 + 15 = 25 由于 n0 = n2 + 1 则：n2 = n0 1= 19 n = n0 + n1 + n2 = 20 + 25 + 19 = 64,性质4： 有 n 个结点的完全二叉树( n 0 )的高度为 +1 证明：假设一棵高度为h的二叉树有n个结点， 根据性质2，有 n2h1 从而 hlog2(n+1) 所以 h +1,性质5：若对满二叉树或完全二叉树按照“从上到下，每层从左到右，根结点编号为1”的方式编号，则编号为 i 的结点，它的两个孩子结点的编号分别为 2i 和 2i +1，它的父结点的编号为 i /2 。,思考题： 有100个结点的完全二叉树有多少个叶子结点？ 解： 第100个结点的编号为100，其父结点的编号为50，且其父结点的右兄弟（编号为51）没有孩子，即为叶子；所以，叶子结点的编号从51至100，叶子结点有50个。,7.1 二叉树的概念 7.2 二叉树的存储 7.3 二叉树的遍历 7.4 线索二叉树 7.5 二叉树的应用1基本算法 7.6 二叉树的应用2哈夫曼树 7.7 二叉树的应用3二叉排序树 7.8 二叉树的应用3堆和堆排序,第7章 二叉树及其应用,7.2.1 二叉树的顺序存储 7.2.2 二叉树的链接存储 7.2.3 二叉树的建立,7.2 二叉树的存储,顺序存储 将一棵二叉树中的结点，按它们在完全二叉树中的编号顺序，依次存储在一维数组btn+1中；即编号为 i 的结点存储在数组中下标为 i 的元素中。 这样，根据性质5可知编号为 i 的结点，其左孩子下标为2i ，其右孩子下标为2i +1，其父结点的下标为i/2。,例：如下二叉树的顺序存储。,a,先对二叉树中结点进行编号; 将二叉树存储在数组bt12中。,b,c,d,e,f,g,二叉树顺序存储的特点： 结点间关系蕴含在其存储位置中，无需附加任何信息就能在这种顺序存储结构里找到每个结点的双亲和孩子。 浪费空间，适于存储满二叉树和完全二叉树。,7.2.1 二叉树的顺序存储 7.2.2 二叉树的链接存储 7.2.3 二叉树的建立,7.2 二叉树的存储,二叉链表 对于任意的二叉树来说，每个结点只有两个孩子，一个双亲结点。我们可以设计每个结点至少包括三个域：数据域、 左孩子域和右孩子：,其中，lchild域指向该结点的左孩子，data域记录该结点的信息，rchild域指向该结点的右孩子。,结点类型描述为： typedef struct node datatype data ; struct node *lchild , *rchild ; bitree ; 若定义一个 bitree 类型的指针变量 T，存放根结点的地址，则称 T 为根指针。 bitree *T ; 这时，一个二叉链表由根指针 T 唯一确定，称 二叉链表 T,例：右图二叉树的二叉链表,三叉链表 二叉树的链式存储中，有时，为了便于找到父结点，可以增加一个parent域， parent域指向该结点的父结点。 该结点结构如下：,typedef struct node datatype data; struct node *lchild, *rchild, *parent; JD;,不同的存储结构实现二叉树的操作也不同。 如要找某个结点的父结点，在三叉链表中很容易实现；在二叉链表中则需从根指针出发一一查找。 可见，在具体应用中，需要根据二叉树的形态和需要进行的操作来决定二叉树的存储结构。,7.2.1 二叉树的顺序存储 7.2.2 二叉树的链接存储 7.2.3 二叉树的建立,7.2 二叉树的存储,以建立一个二叉链表的方式生成一个二叉树 按完全二叉树的层次顺序，依次输入结点信息建立二叉链表。 算法思想： 依次输入结点信息，若其不是虚结点，则建立一个新结点。 若新结点是第一个结点，则令其为根结点；否则将新结点作为孩子链接到它的父结点上。 重复 、 ，直至输入信息“”时为止。,具体实现： 为使新结点能正确地与其父结点链接，可设置一个队列，该队列是一个指针类型的数组，保存已输入的结点的地址。 且 front 指向当前与其孩子结点建立链接的父结点，rear 指向当前输入的结点。, 若rear 为偶数，则该结点为父结点的左孩子；若 rear 为奇数，则为父结点的右孩子。若父结点或孩子结点为虚结点，则无需链接。 若父结点与其两个孩子结点链接完毕，则做出队操作：front +1 . 初始值：front = 1; rear = 0 ;,a,b,ch=getchar( ); s=NULL; if(ch!=) s=malloc( ); s-data=ch; s-lchild=s-rchild=NULL; rear+; Qrear=s; if(rear=1) root=s,if(s,若输入的是虚结点则s为NULL,具体的算法如下： Bitree *Qmaxsize; /队列Q为指针类型 Bitree *creatree( ) /建立二叉树，返回根指针 char ch; int front, rear; bitree *root, *s; root =NULL; /置空二叉树 front = 1; rear = 0; /置空队列 ch = getchar ( ); /输入第一个字符 While ( ch!=#) /不是结束符号时继续 s=NULL; /如果输入的是虚结点，则无需为虚结点申请空间,if ( ch ! =) /表示虚结点，不是虚结点时建立新结点 s = malloc( sizeof ( bitree) ); s-data=ch; s-lchild=s-rchild=NULL; rear+; Qrear=s; /将虚结点指针NULL或新结点地址入队 if (rear = =1) root=s; /输入的第一个结点为根结点 else if (s ,if ( rear %2= =1 ) front+; /结点* Qfront的两个孩子已处理完毕front+1 ch = getchar( ); return root; ,7.1 二叉树的概念 7.2 二叉树的存储 7.3 二叉树的遍历 7.4 线索二叉树 7.5 二叉树的应用1基本算法 7.6 二叉树的应用2哈夫曼树 7.7 二叉树的应用3二叉排序树 7.8 二叉树的应用3堆和堆排序,第7章 二叉树及其应用,7.3 二叉树的遍历 7.3.1 二叉树遍历的概念 7.3.2 二叉树遍历的递归算法 7.3.3 二叉树遍历的非递归算法,二叉树的遍历 对一个二叉树，按某种次序访问其中每个结点一次且仅一次的过程称为二叉树的遍历。 二叉树的遍历算法是二叉树各种运算的基础。,遍历过程的实现分析 1、 若二叉树 T 为空，则遍历结束。 2、 否则，假设二叉树的形态如图所示，且左右子树能分别遍历，则整个二叉树可按如下6种次序分别遍历出来：,(1) 访问根，遍历左子树，遍历右子树（记做DLR）。 (2) 访问根，遍历右子树，遍历左子树（记做DRL）。 (3) 遍历左子树，访问根，遍历右子树（记做LDR）。 (4) 遍历左子树，遍历右子树，访问根（记做LRD）。 (5) 遍历右子树，访问根，遍历左子树（记做RDL）。 (6) 遍历右子树，遍历左子树，访问根（记做RLD）。,我们称 D L R（根左右）、 D R L 为 先（根）序遍历 L D R（左根右）、 R D L 为 中（根）序遍历 L R D（左右根）、 R L D 为 后（根）序遍历 先左后右 先右后左,关于左右子树的遍历，可采取与整个二叉树相同的方式来实现遍历。,下面，我们看具体的例子：,D L R,先序遍历序列：A B D C,先序遍历:,L D R,中序遍历序列：B D A C,中序遍历:,L R D,后序遍历序列： D B C A,后序遍历:,思考题：写出下图二叉树的遍历顺序,先序： A B D G C E H F,中序：DG B A EH C F,后序：GD B HE F C A,例:已知二叉树的先序和中序序列，构造出相应的二叉树 先序：ABCDEFGHIJ 中序：CDBFEAIHGJ 分析：由先序序列确定根；由中序序列确定左右子树。 解：1、由先序知根为A，则由中序知左子树为CDBF, 右子树为IHGJ,先序：ABCDEFGHIJ 中序：CDBFEAIHGJ 2、再分别在左、右子树的序列中找出根、左子树序列、右子树序列。,先序：A BCDEF GHIJ 中序：CDBFE A IHGJ,7.3 二叉树的遍历 7.3.1 二叉树遍历的概念 7.3.2 二叉树遍历的递归算法 7.3.3 二叉树遍历的非递归算法,先序遍历（DLR）递归描述： 若二叉树为空， 则操作结束， 否则依次执行如下3个操作： (1) 访问根结点； (2) 先序遍历左子树； (3) 先序遍历右子树。 这里，若T为根指针，则遍历左右子树时，是分别遍历以T-lchild 和T-rchild 为根指针的子树。 由于各子树的遍历和整个二叉树的遍历方式相同，因此，各子树的遍历可递归调用二叉树的遍历算法。,先序遍历递归算法如下： preorder ( bitree *T) if ( T ) visite ( T ); preorder ( T-lchild ) ; preorder ( T-rchild ) ; ,返回,返回,返回,返回,A,C,B,D,返回,先序序列：A B D C,中序遍历递归算法 inorder ( T ) inorder ( bitree *T) if ( T ) inorder ( T-lchild ) ; visite ( T ); inorder ( T-rchild ) ; ,后序遍历递归算法 postorder ( T ) postorder ( bitree *T) if ( T ) postorder ( T-lchild ) ; postorder ( T-rchild ) ; visite ( T ); ,7.3 二叉树的遍历 7.3.1 二叉树遍历的概念 7.3.2 二叉树遍历的递归算法 7.3.3 二叉树遍历的非递归算法,讨论：对如图所示的二叉树T，令p=T; （1）访问根，输出p-data；令p=T-lchild,先序遍历的非递归算法：,p,p,（2）访问根的左子树p： 访问*p ，输出p-data 再访问以*p为根的左、右子树 问题：在访问*p的左、右子树时，如何保留*p的父结点 地址，以便在访问完*p的左、右子树后，再访问 其父结点的右子树？,p,解决的方法： 使用一个栈，将遍历过的结点的地址p依次入栈，并同时访问*p（p为栈顶元素）的左孩子；当访问过栈顶元素的右孩子后，将其出栈。 上例的二叉树的非递归先序遍历算法过程描述如下：,p,Visite(p); /访问A Push(p); /A的地址入栈 p=栈顶-lchid; /遍历A的左子树 Visite(p); /访问B Push(p); /B的地址入栈 p=栈顶-lchid; /遍历B的左子树 p=NULL； /B的左子树为空 p=栈顶-rchid; /遍历B的右子树 Pop(top) /若访问到栈顶的右孩子则出栈 Visite(p); /访问D Push(p); /D的地址入栈,栈S,A的地址,p,B的地址,p,p,D的地址,D无左、右孩子，则D的地址出栈； p=栈顶-rchid; /遍历A的右子树 ,p,C的地址,中序遍历的非递归算法：,如何做到：在搜索线经过根时不访问根，而先访问根的左 子树？利用栈结构。 算法思想： 1、将根入栈，若其有左子树，则再将左子树的根入栈。,2、否则，访问该结点，并将栈中结点依次出栈并访问; 3、若栈为空，则访问最后一次出栈的结点的右子树,若其右子树不空，重复1、2、3 。 4、否则，遍历结束。,后序遍历的非递归算法较为复杂, 不仅在搜索线第一次经过根结点时不访问并且进栈, 而且在后根遍历它的左子树之后, 搜索线第二次经根结点时也不能访问。因此, 在搜索线第二次经根结点时不能让栈顶元素（根）出栈, 而是依据栈顶元素所表示的根去后根遍历它的右子树; 直到搜索线第三次经过这个根结点时, 才将其出栈, 并且访问这个根结点。,后序遍历的非递归算法：,该算法中，对栈顶的每一个元素，要访问它的左右孩子后，才将其出栈。 即：要与栈顶元素接触两次后，才访问该元素。这样，可设置一个辅助变量用来记录接触该元素的次数。,7.1 二叉树的概念 7.2 二叉树的存储 7.3 二叉树的遍历 7.4 线索二叉树 7.5 二叉树的应用1基本算法 7.6 二叉树的应用2哈夫曼树 7.7 二叉树的应用3二叉排序树 7.8 二叉树的应用3堆和堆排序,第7章 二叉树及其应用,当用二叉链表作为二叉树的存储结构时，可以很方便地找到某个结点的左右孩子；但一般情况下，无法直接找到该结点在某种遍历序列中的前趋和后继结点。 提出的问题：求解二叉树结点的前趋和后继。 解决的方法： 1、遍历费时间 2、增设前趋、后继指针域降低存储空间的利用率。 3、利用二叉链表中的空指针域 。,二叉树链表中空指针域的数量： 具有n个结点的二叉链表中，一共由2n个指针域；又 n个结点中有n-1个孩子，即 2n个指针域中，有n-1个用来指示结点的左右孩子，其余n+1个指针域为空。,7.4.1 线索二叉树的概念 7.4.2 二叉树的线索化 7.4.3 线索二叉树的操作,7. 4 线索二叉树,利用二叉链表中的空指针域： 将空的左孩子指针域改为指向其前趋，空的右孩子指针域改为指向其后继这种改变指向的指针称为“线索” 加上了线索的二叉链表称为线索链表； 相应的二叉树 称为 线索二叉树,为区分孩子指针和线索，对二叉链表中每个结点增设两个标志 ltag 和 rtag ，并约定： ltag = 0 lchild 指向该结点的左孩子 ltag = 1 lchild 指向该结点的前趋 rtag = 0 rchild 指向该结点的右孩子 rtag = 1 rchild 指向该结点的后继 这样，结点的结构为：,例：先序,中序和后序线索链表,先序 ABDGCEHF,中序 DGBAEHCF,后序 GDBHEFCA,7.4.1 线索二叉树的概念 7.4.2 二叉树的线索化 7.4.3 线索二叉树的操作,7. 4 线索二叉树,将二叉树转换成线索二叉树的过程 称为 线索化 即：将二叉树中每个结点中的空的左右孩子指针域分别修改为指向其给定顺序（先序、中序、后序）的前趋和后继结点。 这样，每个结点的线索化操作应包括以下内容： (1) 若左子树为空，则将其左孩子域线索化： 左孩子指针lchild 指向其前趋，ltag 置1 (2) 若右子树为空，则将其右孩子域线索化： 右孩子指针rchild 指向其后继，rtag 置1,这样，若对结点*p线索化，应知道其前趋和后继结点的地址。 按照某种遍历顺序，当遍历到结点*p时，用pre 记录*p的前趋结点的地址；但不知*p的后继结点的地址；所以只能对*p结点前趋线索化，不能对其后继线索化。,解决方法：对结点*p的线索化分两步进行： 当*p 为当前结点时，可进行前趋线索化 p-lchild = pre 当*p为当前结点时，对其前趋*pre后继线索化。 pre-rchild = p,算法讨论： 在某种顺序的遍历过程中，线索化各点。 该算法应为相应顺序的遍历算法的一种变化形式。 线索二叉树中结点的类型说明： typedef struct node int ltag , rtag ; datatype data ; struct node *lchild ,*rchild ; Bithrtr ;,算法分析： 二叉树非空时，遍历该二叉树，对任一结点*p ，有： 若其前趋结点*pre 不空，且*pre 无右孩子， 即：pre-rtag = 1 , 则 将*pre 后继线索化： pre-rchild = p ; 若*p 无左孩子， 则 p-ltag = 1 ,且 p-lchild = pre 若*p 无右孩子，则 p-rtag = 1 将pre 指向下一结点 *p ，即 pre = p, 重复上述4步，继续遍历其它结点。,例：先序线索化算法 Bithrtr *pre = NULL; prethread(Bithrtr *root ) Bithrtr *p ; p = root ;,if ( p) if ( pre ,7.4.1 线索二叉树的概念 7.4.2 二叉树的线索化 7.4.3 线索二叉树的操作,7. 4 线索二叉树,线索二叉树中某结点的前趋、后继的求解 即：求解给定结点在指定次序下的前趋和后继。 共有三组6个问题： 先序线索二叉树中求解先序前趋和后继 中序线索二叉树中求解中序前趋和后继 后序线索二叉树中求解后序前趋和后继 下面，我们重点讨论先序后继、先序前趋、及中序后继的求解：,1、先序后继（先序遍历次序中查找某结点的后继）,先序：根左右 ABCGD,分析： 若p左子树不空，p-lchild指向它的后继 否则若有右孩子，p-rchild指向它的后继 否则，p-rchild 指向后继。,算法描述如下： bitree *presuc( bitree *p ) if ( p-ltag = = 0 ) return ( p-lchild ) ; else return ( r-rchild ) ; ,分析： 根没有前趋 若*p是父结点的左孩子，则*p 的前趋为父结点,2、先序前驱（先序遍历次序中查找某结点的前驱）,若*p是父结点的右孩子： 若*p无左兄弟，则*p 的前趋为父结点； 若*p有左兄弟，则*p的前趋为其左兄弟子树中最右下的叶子结点。 算法不能实现,分析： 若*p 有右孩子，则其右子树中最左下的结点为其后继。 否则，若*p无右孩子，则p-rchild 指向其后继。,3、中序后继（中序遍历次序中查找某结点的后继）,中序： AXZEGCFBD,7.1 二叉树的概念 7.2 二叉树的存储 7.3 二叉树的遍历 7.4 线索二叉树 7.5 二叉树的应用1基本算法 7.6 二叉树的应用2哈夫曼树 7.7 二叉树的应用3二叉排序树 7.8 二叉树的应用3堆和堆排序,第7章 二叉树及其应用,二叉树的递归遍历思想将二叉树的遍历简化为对根结点的访问。 利用这一特点，适当修改访问操作的内容，就可以实现对根结点的多种形式的操作，也就可以得到许多问题的求解算法。,例1：按先序遍历序列建立二叉树的二叉链表 按先序遍历的顺序，将每次访问根结点的操作改为新建一个结点。 算法描述如下：,bitree *crt_bt_pre(bitree *bt) char ch; printf(“ch=“); scanf(“%c“, ,例2：统计二叉树中叶子结点个数 设计算以bt为根指针的二叉树的叶子结点数的函数为int countleaf (bitree *bt)，分析如下： (1) 若btNULL，则叶子数为0； (2) 否则，可能有两种情况： bt 的根结点无左右孩子，其本身为叶子，则整个二叉树的叶子结点数为1； bt 的左右子树至少有一个不空，则二叉树bt中叶子结点的数目是其左右子树中叶子数之和。而其左右子树中叶子数可通过调用函数 countleaf (bt-lchild)和countleaf (bt-rchild) 来求得。,算法描述如下： #include #include int countleaf (bitree *bt) if (bt= =NULL) return (0); else if (bt-lchild= =NULL ,void main() bitree *head= NULL; int count; head=crt_bt_pre(head); count = countleaf(head); printf(“count of leaf node is %dn“, count); ,例3：设计算法求解求二叉树的深度 算法分析如下： 若二叉树bt为空，则其深度为0，算法结束； 否则，若bt不为空，则二叉树bt的深度应该是其左右子树的深度的最大值加1。 算法描述如下：,int treedepth(bitree *bt) if ( bt = =NULL ) return (0); else return ( max ( treedepth(bt-lchild), treedepth(bt-rchild ) ) +1); ,void main() bitree *head=NULL; int high; head=crt_bt_pre(head); high = treedepth(head); printf(“depth of tree is %dn“,high); ,7.1 二叉树的概念 7.2 二叉树的存储 7.3 二叉树的遍历 7.4 线索二叉树 7.5 二叉树的应用1基本算法 7.6 二叉树的应用2哈夫曼树 7.7 二叉树的应用3二叉排序树 7.8 二叉树的应用3堆和堆排序,第7章 二叉树及其应用,7.6.1 基本术语 7.6.2 构造哈夫曼树 7.6.3 哈夫曼树的应用,7.6 二叉树的应用2哈夫曼树,1路径和路径长度 在一棵二叉树中，从一个结点往下可以达到的孩子或子孙结点之间的通路，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。,2结点的权及带权路径长度 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。,3二叉树的带权路径长度 二叉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= 其中n 为叶子结点数目，wi为第i 个叶子结点的权值，li 为第i 个叶子结点的路径长度。,7.6.1 基本术语 7.6.2 构造哈夫曼树 7.6.3 哈夫曼树的应用,7.6 二叉树的应用2哈夫曼树,1哈夫曼树的定义 在一棵二叉树中，若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)。,下面我们考察用权值分别为7,5,2,4的4个结点，构造有4个叶子结点的二叉树:,WPL=7*2+5*2+2*2+4*2=36,WPL=7*3+5*3+2*1+4*2=46,WPL=7*1+5*2+2*3+4*3=35,可以看出： 在叶子数目及权值相同的二叉树中，完全二叉树不一定是最优二叉树。 一般情况下，最优二叉树中，权值越大的叶子离根越近。,2哈夫曼树的构造 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,则哈夫曼树的构造规则为：,将这n个结点看作是n 棵单结点二叉树，结点的权值分别是w1, w2, , wn ；这n棵二叉树构成一个二叉树的集合M。 这n棵单结点的二叉树中，这些结点既是根结点又是叶子结点。,(2) 在集合M中选出两个根结点的权值最小的二叉树合并，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) 从集合M中删除选取的两棵二叉树，并将新树加入该集合； (4) 重复(2)、(3)步，直到集合M中只剩一棵二叉树为止，该二叉树即为我们所求得的哈夫曼树。,下面给出哈夫曼树的构造过程，假设给定的叶子结点的权分别为1, 5, 7, 3，则构造哈夫曼树过程如图所示。,从上图可知，用n 个具有权值的结点构造哈夫曼树需n-1次合并，每次合并，集合M中的二叉树数目减1，最后集合M中只剩下一棵二叉树，即为我们求得的哈夫曼树。,总结： 1、在哈夫曼算法中，初始时有n棵二叉树，要经过 n-1次合并最终形成哈夫曼树。 2、经过 n-1 次合并产生 n-1 个新结点，且这n-1 个新结点都是具有两个孩子的分支结点。 可见：哈夫曼树中共有 n+n-1 = 2n1 个结点，且其所有的分支结点的度均不为1。,3、哈夫曼树构造算法,一棵有n个叶子结点的Huffman树有2n-1个结点，采用顺序存储结构存储结点信息,结点类型定义为： typedef struct float weight; int parent, lchild, rchild; hufmtree; 若给定n个权值，则可定义数组tree 存储哈夫曼树上的节点： hufmtree tree2*n-1；,基于上述存储结构的哈夫曼算法分析如下： 初始化数组tree2*n-1；读入给定的n个权值，分别放入数组的前n个分量的weight域中，并将数组中所有分量的lchild域、rchild域和parent域置0; 从数组的前n个分量中选择权值最小和次小的两个节点(假设下标分别为p1和p2)合并，产生新节点，将新节点的信息存放在第n+1个分量中；新节点的权值weight为这两个节点的权值之和，左右孩子域中的值分别修改为p1和p2；同时，改变下标为p1和p2节点的parent域中的值，使其等于n+1, 重复，每次均从parent域的值为0的所有节点中选择权值最小和次小的两个节点合并，产生的新节点顺次存放在weight域值为0的分量中，同时修改该分量的左右孩子域值和被合并的两个节点的parent域值，直到数组的第2n-1个分量的weight域、lchild域和rchild域中的值被修改为止,#define n 7 #define m 2*n1 #define maxval 100.0 / 令maxval为最大值 Huffman(hufmtree tree) int i，j，p1，p2； float small1，small2，f； for(i = 0；i m；i +) /初始化数组 reei.parent = 0；treei.lchild = 0； treei.rchild = 0；treei.weight = 0.0； ,for(i = 0；i n；i+) /读入前n个节点的权值 scanf(“%f ”，&f)；treei.weight = f； for(i = n；i m；i+) /进行n-1次合并，产生n-1个新节点 p1 = p2 = 0；small1= small2 = maxval； for(j=0；j = i -1；j + +) /选出两个权值最小的根节点 if( treej.parent = = 0) if(treej.weight small1)/查找最小权，用p1记录下标 small2= small1；small1= treej.weight； p2 = p1；p1 = j； ,else if(treej.weight small2) /查找次小权，用p2记录其下标 small2= treej.weight；p2 = j； treep1.parent = treep2.parent = i； treei.weight = treep1.weight + treep2.weight； treei.lchild = p1； treei.rchild = p2； ,7.6.1 基本术语 7.6.2 构造哈夫曼树 7.6.3 哈夫曼树的应用,7.6 二叉树的应用2哈夫曼树,在通信及数据传输中多采用二进制编码。为了使电文尽可能的缩短, 可以对电文中每个字符出现的次数进行统计。设法让出现次数多的字符二进制码短些, 而让那些很少出现的字符二进制码长一些。 要求：若对字符集进行不等长编码，则要求字符集中任一字符的编码都不是其它字符编码的前缀, 这种编码称做前缀编码。 ,问题：什么样的前缀码能使得电文总长最短？ 方法： 1、统计字符集中每个字符在电文中出现的平均概率（概率越大，要求编码越短）。 2、利用哈夫曼树的特点：权越大的叶子离根越近；将每个字符的概率值作为权值，构造哈夫曼树。 则 概率越大的结点，路径越短。,3、在哈夫曼树的每个分支上标上0或1： 结点的左分支标 0 ， 右分支标 1 把从根到每个叶子的路径上的标号连接起来，作为该叶子代表的字符的编码。,结论： 1、没有一片树叶是另一片树叶的祖先，所以每个叶结点的编码就不可能是其它叶结点编码的前缀。 2、哈夫曼树的带权路径长度最短，故 字符编码的总长最短。,例：组成电文的字符集D及其概率分布W为： D= A , B , C, D, E, F, G W=0.40 0.30 0.15 0.05 0.04 0.03 0.03 所构造的哈夫曼树如图所示：,A 0 E 11101 B 10 F 11110 C 110 G 11111 D 11100,7.1 二叉树的概念 7.2 二叉树的存储 7.3 二叉树的遍历 7.4 线索二叉树 7.5 二叉树的应用1基本算法 7.6 二叉树的应用2哈夫曼树 7.7 二叉树的应用3二叉排序树 7.8 二叉树的应用3堆和堆排序,第7章 二叉树及其应用,第2章中我们介绍了“查找”的概念，并应用顺序表作为一组同类型数据元素的存储方式，在这一组记录中查找关键字等于特定数的记录。 可以看出，以线性结构作为这一组记录的组织形式时，若要对该组记录进行插入和删除操作，将会引起额外的时间开销。,在此情况下，可以以二叉树或B-树、B+树组织待查找的一组记录，实现查找、插入及删除操作，我们将这些查找表通称为树表。 与线性的查找表相比，树表可以在查找过程中动态生成；我们将其称为动态查找表。相应地，前面以顺序结构组织的查找表称为静态查找表。 本节我们介绍以二叉树作为待查找记录的组织形式，实现在一组同类型记录中的查找、插入和删除操作。 其它树表，我们将在第8章中介绍。, 7.7.1 什么是二叉排序树 7.7.2 二叉排序树的查找 7.7.3 二叉排序树的插入和生成 7.7.4 二叉排序树的删除 7.7.5 二叉排序树的查找性能分析 7.7.6 平衡二叉树,7.7 二叉树的应用3二叉排序树,二叉树排序树或者是一棵空树， 或者是具有如下性质的二叉树：,（1） 若它的左子树非空， 则左子树上所有结点的值均小于根结点的值； （2） 若它的右子树非空， 则右子树上所有结点的值均大于根结点的值； （3） 它的左右子树也分别为二叉排序树。,比较：下列两个二叉树哪个是二叉排序树？,思考：中序遍历下面的二叉排序树，