注：實現Huffman編碼是用貪心演算法來實現的，證明Huffman的貪心選擇和最優子結構很麻煩，我沒有看懂（演算法導論.中文版P234），這裡只是給出了實現Huffman編碼的實現程式碼。實現Huffman最好的資料結構時優先順序佇列（可以通過最小堆來實現）。整個演算法的時間複雜度可以達到nlg(n)，這裡為了簡單，沒有實現最小堆，而使用的是STL中的set，通過實現正確的比較函式物件，每次可以取得優先順序（字元出現頻度最低）最大的值。但是這裡的時間複雜度卻提高了，因為操作set的選擇時，時間複雜度時lgn,但是隨著選擇的，選擇“未被訪問的最高優先順序的兩個元素（flag=0）”的探測次數也為增大，平均探測次數是n/2，因此最後實現Huffman的時間複雜度將是n^2lg(n)。當然也可以通過記錄每次選擇元素時其在set中的位置（偏移量），下次選擇時直接通過這個偏移量找到合適位置，探測的時間複雜度將會是1，最後實現Huffman的時間複雜度也可以達到nlog(n)。

n^2lg(n)的實現程式碼如下：

#include <iostream> #include <set> using namespace std; struct Node { int fu;//字元出現頻度 int flag;//訪問標識 struct Node *lc;//左孩子 struct Node *rc;//右孩子 }; struct compare_node//Node放在set<Node*>中的比較函式物件 { bool operator()(const Node* node1,const Node *node2)const { return node1->fu < node2->fu; } }; set < Node *,compare_node> queue; const int N = 6; int s[N];//儲存字元的編碼 int f[N];//頻度 struct Node *huffman() { int i = 0; while(i<N-1)//一共需要N-1次合併操作（由葉子節點合併成具有左右孩子的非葉子節點） { Node *child[2];//找到兩個出現頻度最小的值 set< Node *,compare_node>::iterator it = queue.begin(); int lr = 0; while(it!=queue.end() && lr <2) { if((*it)->flag ==0)//沒有被訪問過 { child[lr] =*it; (*it)->flag = 1; lr ++; } it++; } Node *parent = new Node; parent->flag = 0; parent->lc = child[0]; parent->rc = child[1]; parent->fu = child[0]->fu + child[1]->fu; queue.insert(parent); i++; } int count = queue.size(); set <Node*>::reverse_iterator rit = queue.rbegin(); if(rit!=queue.rend()) return *rit; else return NULL; } //列印每個字元（頻度值）的編碼 void print(Node * root,int c) { if(root == NULL) return; else { if( root->lc != NULL) { s[c++] = 0; print(root->lc,c); } if(root->rc!=NULL) { c--; s[c++]=1; print(root->rc,c); } //輸出字元的編碼 if(root->lc == NULL && root->rc == NULL) { cout << root->fu <<" "; int i =0; for(i=0;i<c;i++) cout << s[i]; cout << endl; } } } int main() { int i =0; Node *p = NULL; for(i=0;i<N;i++) { cin>>f[i]; p = new Node; p->flag = 0; p->fu = f[i]; p->lc = NULL; p->rc = NULL; queue.insert(p); } Node *node = huffman(); print(node,0); }