贪心算法--蓝桥杯基础练习Huffman树

贪心算法

所谓“贪心算法”是指在对问题求解时,总是做出在当前看来是最好的选择。也就是说。不从整体上加以考虑,它所做出的仅仅是在某种意义上的局部最优解(是否是全局最优,需要证明)。
例如 蓝桥杯 基础练习Huffman树

问题描述
  Huffman树在编码中有着广泛的应用。在这里,我们只关心Huffman树的构造过程。
  给出一列数{pi}={p0, p1, …, pn-1},用这列数构造Huffman树的过程如下:
  1. 找到{pi}中最小的两个数,设为pa和pb,将pa和pb从{pi}中删除掉,然后将它们的和加入到{pi}中。这个过程的费用记为pa + pb。
  2. 重复步骤1,直到{pi}中只剩下一个数。
  在上面的操作过程中,把所有的费用相加,就得到了构造Huffman树的总费用。
  本题任务:对于给定的一个数列,现在请你求出用该数列构造Huffman树的总费用。

  例如,对于数列{pi}={5, 3, 8, 2, 9},Huffman树的构造过程如下:
  1. 找到{5, 3, 8, 2, 9}中最小的两个数,分别是2和3,从{pi}中删除它们并将和5加入,得到{5, 8, 9, 5},费用为5。
  2. 找到{5, 8, 9, 5}中最小的两个数,分别是5和5,从{pi}中删除它们并将和10加入,得到{8, 9, 10},费用为10。
  3. 找到{8, 9, 10}中最小的两个数,分别是8和9,从{pi}中删除它们并将和17加入,得到{10, 17},费用为17。
  4. 找到{10, 17}中最小的两个数,分别是10和17,从{pi}中删除它们并将和27加入,得到{27},费用为27。
  5. 现在,数列中只剩下一个数27,构造过程结束,总费用为5+10+17+27=59。
输入格式
  输入的第一行包含一个正整数n(n<=100)。
  接下来是n个正整数,表示p0, p1, …, pn-1,每个数不超过1000。
输出格式
  输出用这些数构造Huffman树的总费用。
样例输入
5
5 3 8 2 9
样例输出
59

public static void main(String[] args) {
    // TODO Auto-generated method stub
    Scanner scanner = new Scanner(System.in);
    int n = scanner.nextInt();
    int[] nArray = new int[n];

    for(int i=0;i<n;i++) {
        nArray[i] = scanner.nextInt();
    }
    Arrays.sort(nArray);
    int s = 0;//费用
    int sum = nArray[0] + nArray[1];
    nArray[1] = sum;//暂存每次两个最小值的和
    s += sum;
    for(int i = 1;i<n-1;i++)
    {
        Arrays.sort(nArray,i,n);//对数组nArray起始下标i开始,到n-1的数据进行排序
        sum = nArray[i]+nArray[i+1];
        s+=sum;
        nArray[i+1] = sum;
    }
    System.out.println(s);  
}
### Huffman基础练习与实现 #### 什么是HuffmanHuffman是一种用于数据压缩的二叉结构,其构建基于贪心算法原理。通过该算法可以有效地减少表示字符所需的比特数,从而达到节省存储空间的目的[^1]。 #### 构建Huffman的过程 为了创建一棵最优前缀码对应的哈夫曼,通常按照如下方式操作: - 统计输入字符串中各个字符出现频率; - 将这些字符及其频次作为节点放入优先队列(最小堆),其中权重越低则优先级越高; - 反复取出两个具有最低权值的结点并组合成一个新的内部结点,直到只剩下一个根节点为止;新生成父节点的权重等于子节点之和; - 最终形成的这棵即为所求的霍夫曼编码。 ```python import heapq from collections import defaultdict, Counter class Node(object): def __init__(self, char=None, freq=0, left=None, right=None): self.char = char self.freq = freq self.left = left self.right = right def __lt__(self, other): return self.freq < other.freq def build_huffman_tree(text): frequency = dict(Counter(text)) heap = [Node(char=c, freq=freq) for c,freq in frequency.items()] heapq.heapify(heap) while len(heap)>1: node1 = heapq.heappop(heap) node2 = heapq.heappop(heap) merged_node = Node(left=node1,right=node2,freq=(node1.freq + node2.freq)) heapq.heappush(heap,merged_node) huffman_root = None if not heap else heap[0] return huffman_root ``` 此代码片段展示了如何根据给定文本建立相应的霍夫曼编码。这里采用了Python内置模块`heapq`实现了高效的最小堆管理功能,并定义了一个简单的类`Node`来描述中的每一个节点。 #### 编码过程 一旦获得了完整的霍夫曼之后,则可以通过遍历整棵二叉得到各叶子节点对应字符的具体编码方案——从根到叶路径上的每一步向左走记作'0', 向右走记作'1'. 这样就完成了对原始消息的有效压缩处理. 解码则是相反的过程,在已知霍夫曼的情况下读取位串直至匹配某个唯一确定的字符位置停止即可恢复原信息内容.
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值