From d6927886bc82fdf0b72bd5e973abf158b78a6106 Mon Sep 17 00:00:00 2001 From: SummerGift <459994202@qq.com> Date: Sun, 27 May 2018 17:12:38 +0800 Subject: [PATCH] =?UTF-8?q?=E3=80=90=E6=B7=BB=E5=8A=A0=E3=80=91=EF=BC=9A?= =?UTF-8?q?=E5=93=88=E5=A4=AB=E6=9B=BC=E6=A0=91=E5=92=8C=E5=93=88=E5=A4=AB?= =?UTF-8?q?=E6=9B=BC=E7=BC=96=E7=A0=81=E5=9F=BA=E7=A1=80=E7=9F=A5=E8=AF=86?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- ...\253\346\233\274\347\274\226\347\240\201.md" | 17 ++++++++++++++++- README.md | 2 +- 2 files changed, 17 insertions(+), 2 deletions(-) diff --git "a/Lectures/Lecture-4.2-\345\223\210\345\244\253\346\233\274\346\240\221\344\270\216\345\223\210\345\244\253\346\233\274\347\274\226\347\240\201.md" "b/Lectures/Lecture-4.2-\345\223\210\345\244\253\346\233\274\346\240\221\344\270\216\345\223\210\345\244\253\346\233\274\347\274\226\347\240\201.md" index 9a5fc87..7c06021 100644 --- "a/Lectures/Lecture-4.2-\345\223\210\345\244\253\346\233\274\346\240\221\344\270\216\345\223\210\345\244\253\346\233\274\347\274\226\347\240\201.md" +++ "b/Lectures/Lecture-4.2-\345\223\210\345\244\253\346\233\274\346\240\221\344\270\216\345\223\210\345\244\253\346\233\274\347\274\226\347\240\201.md" @@ -2,4 +2,19 @@ ## 基础知识 -- 链表是非常基本的数据结构，根据链的个数分为单链表、双链表，根据是否循环分为单向链表和循环链表。 \ No newline at end of file +- 标准的 ASCII 字符集由大约100个可打印字符组成。为了把这些字符区分开来，需要 log^100 = 7个比特。但是7个比特可以表示128个字符，因此ASCII字符还可以再加上一些其他的非打印字符。我们加上第8个比特位作为奇偶校验位。不过重要的问题在于，如果字符集的大小是C，那么在标准的编码中就需要 log^C 个比特。 + +- 在现实中，文件可能是相当大的，许多非常大的文件是某个程序的输出数据，而在使用频率最大和最小字符之间通常存在很大的差别。那么能否有一种更好的编码降低总的所需的比特数。 + +- 答案是肯定的，一种简单的策略可以使一般的大型文件节省25%，而使许多大型的数据文件节省多达 50%~60%。这种一般的策略就是让代码的长度从字符到字符是变化不等的，同时保证经常出现的字符其代码短。注意，如果所有的字符都以相同的，那么要节省空间是不可能的。 + +- 满树：所有的结点或者是树叶，或者是树叶，或者有两个儿子。一种最优的编码将总具有这个性质，否则具有一个儿子的结点可以向上移动一层。 + +- 如果字符都只放在树叶上，那么任何比特序列总能够被毫无歧义地译码。这些字符编码的长度是否不同并不要紧，只要没有字符代码是别的字符代码的前缀即可。这种编码叫做前缀码（character code）。相反，如果一个字符放在非树叶结点上，那就不再能够保证译码没有二义性。 + +- 所以基本问题在于找到总价值最小的满二叉树，其中所有的字符都位于树叶上。 + +## 哈夫曼算法 + +- 假设字符的个数为C，那么哈夫曼算法可以描述如下：算法对一个由树组成的森林进行。一棵树的权等于他的树叶的频率的和。任意选取最小权的两棵树 T1 和 T2 ，并任意形成以 T1 和 T2 为子树的新数，将这样的过程进行 C-1 次。在算法的开始，存在C棵单节点树——每个字符一棵。在算法结束时得到一棵树，这棵树就是最优哈夫曼树。 + diff --git a/README.md b/README.md index f118f40..9af624b 100644 --- a/README.md +++ b/README.md @@ -31,7 +31,7 @@ ___ - [x] [Lecture 3.4 - AVL树](./Lectures/Lecture-3.4-AVL树.md) #### 第四章：优先队列（堆） - [x] [Lecture 4.1 - 堆](./Lectures/Lecture-4.1-堆.md) -- [ ] [Lecture 4.2 - 哈夫曼树与哈夫曼编码](./Lectures/Lecture-4.2-哈夫曼树与哈夫曼编码.md) +- [x] [Lecture 4.2 - 哈夫曼树与哈夫曼编码](./Lectures/Lecture-4.2-哈夫曼树与哈夫曼编码.md) - [ ] [Lecture 4.3 - 不相交集 ADT](./Lectures/Lecture-4.3-不相交集ADT.md) #### 第五章：图论算法 #### 第六章：排序