新闻详情

新闻详情

首页 / 资讯中心 / 详情

哈夫曼树的实现

发布时间:2026/11/4 15:30:02来源:尧图网络
哈夫曼树的实现
HuffmanTree.h#ifndef HUFFMAN_TREE_H #define HUFFMAN_TREE_H /* Huffman树通过待编码的节点数量计算出总共的节点个数 m 2*n -1个 * 用数组0的单元表示无效节点从1号单元开始进行填充那么申请2*n个空间 */ typedef struct { int weight; // 节点的权值 int parent; // 该节点的父节点编号0值表示该节点就是根 int lChild, rChild; // 指向该节点的左右孩子节点的编号 } HuffmanNode, *HuffmanTree; HuffmanTree createHuffmanTree(const int *w, int n); void releaseHuffmanTree(HuffmanTree tree); /* Huffman编码用一个字符数组空间来保存每个符号的编码字符串 * char *codes[n]; HuffmanCode codes[n]; */ typedef char *HuffmanCode; HuffmanCode *createHuffmanCodes(HuffmanTree tree, int n); void releaseHuffmanCodes(HuffmanCode *codes, int n); #endif //HUFFMAN_TREE_HHuffmanTree.c#include stdio.h #include stdlib.h #include string.h #include HuffmanTree.h static void selectTwoMin(HuffmanTree tree, int n, int *s1, int *s2) { *s1 *s2 0; for (int i 1; i n; i) { if (tree[i].parent 0) { if (*s1 0) { *s1 i; } else if (*s2 0) { *s2 i; if (tree[*s1].weight tree[*s2].weight) { int t *s1; *s1 *s2; *s2 t; } } else { // 比较权值大小更新最小的2个节点下标 if (tree[i].weight tree[*s1].weight) { *s2 *s1; *s1 i; } else if (tree[i].weight tree[*s2].weight) { *s2 i; } } } } } HuffmanTree createHuffmanTree(const int *w, int n) { int m 2*n - 1; // 1. 申请2n个空间预留一个0号位置 HuffmanTree tree malloc(sizeof(HuffmanNode) * (m 1)); if (tree NULL) { return NULL; } // 2.1 初始化1 ~ 2n - 1个节点 for (int i 1; i m; i) { tree[i].parent tree[i].lChild tree[i].rChild 0; tree[i].weight 0; } // 2.2 初始化权值 1 ~ n for (int i 1; i n; i) { tree[i].weight w[i - 1]; } // 初始化结束开始构建HuffmanTree // 填充从n1下标到m下标的空间 int s1, s2; // 没有parent约束的两个最小的权值 for (int i n 1; i m; i) { // 在[1...i-1]范围内父节点为0权值最小的两个 selectTwoMin(tree, i - 1, s1, s2); // 将这2个权值最小的节点组合到第i个位置 tree[s1].parent tree[s2].parent i; tree[i].lChild s1; tree[i].rChild s2; tree[i].weight tree[s1].weight tree[s2].weight; } return tree; } void releaseHuffmanTree(HuffmanTree tree) { if (tree) { free(tree); } } // 从n个叶子节点找到根节点逆向求每个叶子的对应的编码 HuffmanCode* createHuffmanCodes(HuffmanTree tree, int n) { // 申请了一个数组空间每个元素都保存一个地址这个地址指向了对应元素的编码结果 HuffmanCode* codes malloc(sizeof(HuffmanCode) * n); if (codes NULL) { return NULL; } memset(codes, 0, sizeof(HuffmanCode) * n); // 生成每个符号对应的编码结果 // n个节点树的高度最大为n而HuffmanTree要低于任意树的最大值 char *temp malloc(sizeof(char) * (n 1)); for (int i 1; i n; i) { int start n - 1; // 标识temp空间的编码起始位置从后往前编码,编码临时结果从后往前 temp[start] \0; int pos i; // 当前正在编码的位置 int p tree[i].parent; // 存放当前节点的父节点信息 while (p) { --start; temp[start] (tree[p].lChild pos) ? 0 : 1; pos p; p tree[p].parent; } // 将第i个字符编码进行填充 codes[i - 1] malloc(sizeof(char) * (n - start)); strcpy(codes[i - 1], temp[start]); } free(temp); return codes; } void releaseHuffmanCodes(HuffmanCode*codes, int n) { if (codes) { for (int i 0; i n; i) { if (codes[i]) { free(codes[i]); } } free(codes); } }
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/3 7:07:39

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/3 12:09:35

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/3 12:09:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/4 12:33:12

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/4 1:25:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/4 3:51:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉