xmengnet/hello-algo
1
0
Fork 0
mirror of https://github.com/krahets/hello-algo.git synced 2024-12-26 00:26:29 +08:00
Code Issues Projects Releases Packages Wiki Activity Actions

build

Browse source
This commit is contained in:
krahets 2023-08-30 02:52:29 +08:00
parent 9f30ce7260
commit 34d8dfd075
4 changed files with 23 additions and 20 deletions
Show stats Download patch file Download diff file Expand all files Collapse all files

9
chapter_divide_and_conquer/build_binary_tree_problem.md
View file

@ -429,11 +429,14 @@ status: new
=== "<9>"
![built_tree_step9](build_binary_tree_problem.assets/built_tree_step9.png)
=== "<10>"
![built_tree_step10](build_binary_tree_problem.assets/built_tree_step10.png)
<p align="center"> 图 12-8 &nbsp; 构建二叉树的递归过程 </p>
每个递归函数内的前序遍历 `preorder` 和中序遍历 `inorder` 的划分结果如图 12-9 所示。
![built_tree_overall](build_binary_tree_problem.assets/built_tree_overall.png)
<p align="center"> 图 12-9 &nbsp; built_tree_overall </p>
设树的节点数量为 $n$ ，初始化每一个节点（执行一个递归函数 `dfs()` ）使用 $O(1)$ 时间。**因此总体时间复杂度为 $O(n)$** 。
哈希表存储 `inorder` 元素到索引的映射，空间复杂度为 $O(n)$ 。最差情况下，即二叉树退化为链表时，递归深度达到 $n$ ，使用 $O(n)$ 的栈帧空间。**因此总体空间复杂度为 $O(n)$** 。

22
chapter_divide_and_conquer/hanota_problem.md
View file

@ -17,13 +17,13 @@ status: new
![汉诺塔问题示例](hanota_problem.assets/hanota_example.png)
<p align="center"> 图 12-9 &nbsp; 汉诺塔问题示例 </p>
<p align="center"> 图 12-10 &nbsp; 汉诺塔问题示例 </p>
**我们将规模为 $i$ 的汉诺塔问题记做 $f(i)$** 。例如 $f(3)$ 代表将 $3$ 个圆盘从 `A` 移动至 `C` 的汉诺塔问题。
### 1. &nbsp; 考虑基本情况
如图 12-10 所示，对于问题 $f(1)$ ，即当只有一个圆盘时，我们将它直接从 `A` 移动至 `C` 即可。
如图 12-11 所示，对于问题 $f(1)$ ，即当只有一个圆盘时，我们将它直接从 `A` 移动至 `C` 即可。
=== "<1>"
![规模为 1 问题的解](hanota_problem.assets/hanota_f1_step1.png)
@ -31,9 +31,9 @@ status: new
=== "<2>"
![hanota_f1_step2](hanota_problem.assets/hanota_f1_step2.png)
<p align="center"> 图 12-10 &nbsp; 规模为 1 问题的解 </p>
<p align="center"> 图 12-11 &nbsp; 规模为 1 问题的解 </p>
如图 12-11 所示，对于问题 $f(2)$ ，即当有两个圆盘时，**由于要时刻满足小圆盘在大圆盘之上，因此需要借助 `B` 来完成移动**。
如图 12-12 所示，对于问题 $f(2)$ ，即当有两个圆盘时，**由于要时刻满足小圆盘在大圆盘之上，因此需要借助 `B` 来完成移动**。
1. 先将上面的小圆盘从 `A` 移至 `B` 。
2. 再将大圆盘从 `A` 移至 `C` 。
@ -51,7 +51,7 @@ status: new
=== "<4>"
![hanota_f2_step4](hanota_problem.assets/hanota_f2_step4.png)
<p align="center"> 图 12-11 &nbsp; 规模为 2 问题的解 </p>
<p align="center"> 图 12-12 &nbsp; 规模为 2 问题的解 </p>
解决问题 $f(2)$ 的过程可总结为：**将两个圆盘借助 `B` 从 `A` 移至 `C`** 。其中，`C` 称为目标柱、`B` 称为缓冲柱。
@ -59,7 +59,7 @@ status: new
对于问题 $f(3)$ ，即当有三个圆盘时，情况变得稍微复杂了一些。
因为已知 $f(1)$ 和 $f(2)$ 的解，所以我们可从分治角度思考，**将 `A` 顶部的两个圆盘看做一个整体**，执行图 12-12 所示的步骤。这样三个圆盘就被顺利地从 `A` 移动至 `C` 了。
因为已知 $f(1)$ 和 $f(2)$ 的解，所以我们可从分治角度思考，**将 `A` 顶部的两个圆盘看做一个整体**，执行图 12-13 所示的步骤。这样三个圆盘就被顺利地从 `A` 移动至 `C` 了。
1. 令 `B` 为目标柱、`C` 为缓冲柱，将两个圆盘从 `A` 移动至 `B` 。
2. 将 `A` 中剩余的一个圆盘从 `A` 直接移动至 `C` 。
@ -77,11 +77,11 @@ status: new
=== "<4>"
![hanota_f3_step4](hanota_problem.assets/hanota_f3_step4.png)
<p align="center"> 图 12-12 &nbsp; 规模为 3 问题的解 </p>
<p align="center"> 图 12-13 &nbsp; 规模为 3 问题的解 </p>
本质上看，**我们将问题 $f(3)$ 划分为两个子问题 $f(2)$ 和子问题 $f(1)$** 。按顺序解决这三个子问题之后，原问题随之得到解决。这说明子问题是独立的，而且解是可以合并的。
至此，我们可总结出图 12-13 所示的汉诺塔问题的分治策略：将原问题 $f(n)$ 划分为两个子问题 $f(n-1)$ 和一个子问题 $f(1)$ ，并按照以下顺序解决这三个子问题。
至此，我们可总结出图 12-14 所示的汉诺塔问题的分治策略：将原问题 $f(n)$ 划分为两个子问题 $f(n-1)$ 和一个子问题 $f(1)$ ，并按照以下顺序解决这三个子问题。
1. 将 $n-1$ 个圆盘借助 `C` 从 `A` 移至 `B` 。
2. 将剩余 $1$ 个圆盘从 `A` 直接移至 `C` 。
@ -91,7 +91,7 @@ status: new
![汉诺塔问题的分治策略](hanota_problem.assets/hanota_divide_and_conquer.png)
<p align="center"> 图 12-13 &nbsp; 汉诺塔问题的分治策略 </p>
<p align="center"> 图 12-14 &nbsp; 汉诺塔问题的分治策略 </p>
### 3. &nbsp; 代码实现
@ -433,11 +433,11 @@ status: new
}
```
如图 12-14 所示，汉诺塔问题形成一个高度为 $n$ 的递归树，每个节点代表一个子问题、对应一个开启的 `dfs()` 函数，**因此时间复杂度为 $O(2^n)$ ，空间复杂度为 $O(n)$** 。
如图 12-15 所示，汉诺塔问题形成一个高度为 $n$ 的递归树，每个节点代表一个子问题、对应一个开启的 `dfs()` 函数，**因此时间复杂度为 $O(2^n)$ ，空间复杂度为 $O(n)$** 。
![汉诺塔问题的递归树](hanota_problem.assets/hanota_recursive_tree.png)
<p align="center"> 图 12-14 &nbsp; 汉诺塔问题的递归树 </p>
<p align="center"> 图 12-15 &nbsp; 汉诺塔问题的递归树 </p>
!!! quote

2
chapter_greedy/max_product_cutting_problem.md
View file

@ -53,7 +53,7 @@ $$
**贪心策略二**：在切分方案中，最多只应存在两个 $2$ 。因为三个 $2$ 总是可以被替换为两个 $3$ ，从而获得更大乘积。
![最优切分因子](max_product_cutting_problem.assets/max_product_cutting_greedy_infer3.png)
![最优切分因子](max_product_cutting_problem.assets/max_product_cutting_greedy_infer2.png)
<p align="center"> 图 15-15 &nbsp; 最优切分因子 </p>

10
chapter_introduction/algorithms_are_everywhere.md
View file

@ -15,19 +15,19 @@ comments: true
3. 不断重复步骤 `1.` 和 步骤 `2.` ，直至找到拼音首字母为 $r$ 的页码为止。
=== "<1>"
![查字典步骤](algorithms_are_everywhere.assets/binary_search_dictionary_step_1.png)
![查字典步骤](algorithms_are_everywhere.assets/binary_search_dictionary_step1.png)
=== "<2>"
![binary_search_dictionary_step_2](algorithms_are_everywhere.assets/binary_search_dictionary_step_2.png)
![binary_search_dictionary_step2](algorithms_are_everywhere.assets/binary_search_dictionary_step2.png)
=== "<3>"
![binary_search_dictionary_step_3](algorithms_are_everywhere.assets/binary_search_dictionary_step_3.png)
![binary_search_dictionary_step3](algorithms_are_everywhere.assets/binary_search_dictionary_step3.png)
=== "<4>"
![binary_search_dictionary_step_4](algorithms_are_everywhere.assets/binary_search_dictionary_step_4.png)
![binary_search_dictionary_step4](algorithms_are_everywhere.assets/binary_search_dictionary_step4.png)
=== "<5>"
![binary_search_dictionary_step_5](algorithms_are_everywhere.assets/binary_search_dictionary_step_5.png)
![binary_search_dictionary_step5](algorithms_are_everywhere.assets/binary_search_dictionary_step5.png)
<p align="center"> 图 1-1 &nbsp; 查字典步骤 </p>