xmengnet/hello-algo
1
0
Fork 0
mirror of https://github.com/krahets/hello-algo.git synced 2024-12-25 00:36:27 +08:00
Code Issues Projects Releases Packages Wiki Activity Actions

finetune

Browse source
This commit is contained in:
krahets 2023-08-28 23:52:41 +08:00
parent 2f0f154b3c
commit 88a746f493
7 changed files with 21 additions and 21 deletions
Show stats Download patch file Download diff file Expand all files Collapse all files

6
docs/chapter_appendix/contribution.md
View file

@ -10,7 +10,7 @@
然而在本开源书中，内容更迭的时间被缩短至数日甚至几个小时。
## 内容微调
### 内容微调
如下图所示，每个页面的右上角都有“编辑图标”。您可以按照以下步骤修改文本或代码。
@ -22,7 +22,7 @@
图片无法直接修改，需要通过新建 [Issue](https://github.com/krahets/hello-algo/issues) 或评论留言来描述问题，我们会尽快重新绘制并替换图片。
## 内容创作
### 内容创作
如果您有兴趣参与此开源项目，包括将代码翻译成其他编程语言、扩展文章内容等，那么需要实施以下 Pull Request 工作流程。
@ -32,7 +32,7 @@
4. 将本地所做更改 Commit ，然后 Push 至远程仓库。
5. 刷新仓库网页，点击“Create pull request”按钮即可发起拉取请求。
## Docker 部署
### Docker 部署
执行以下 Docker 脚本，稍等片刻，即可在网页 `http://localhost:8000` 访问本项目。

20
docs/chapter_appendix/installation.md
View file

@ -1,55 +1,55 @@
# 编程环境安装
## VSCode
### VSCode
本书推荐使用开源轻量的 VSCode 作为本地 IDE ，下载并安装 [VSCode](https://code.visualstudio.com/) 。
## Java 环境
### Java 环境
1. 下载并安装 [OpenJDK](https://jdk.java.net/18/)（版本需满足 > JDK 9）。
2. 在 VSCode 的插件市场中搜索 `java` ，安装 Extension Pack for Java 。
## C/C++ 环境
### C/C++ 环境
1. Windows 系统需要安装 [MinGW](https://sourceforge.net/projects/mingw-w64/files/)（[配置教程](https://blog.csdn.net/qq_33698226/article/details/129031241)），MacOS 自带 Clang 无须安装。
2. 在 VSCode 的插件市场中搜索 `c++` ，安装 C/C++ Extension Pack 。
3. （可选）打开 Settings 页面，搜索 `Clang_format_fallback Style` 代码格式化选项，设置为 `{ BasedOnStyle: Microsoft, BreakBeforeBraces: Attach }` 。
## Python 环境
### Python 环境
1. 下载并安装 [Miniconda3](https://docs.conda.io/en/latest/miniconda.html) 。
2. 在 VSCode 的插件市场中搜索 `python` ，安装 Python Extension Pack 。
3. （可选）在命令行输入 `pip install black` ，安装代码格式化工具。
## Go 环境
### Go 环境
1. 下载并安装 [go](https://go.dev/dl/) 。
2. 在 VSCode 的插件市场中搜索 `go` ，安装 Go 。
3. 快捷键 `Ctrl + Shift + P` 呼出命令栏，输入 go ，选择 `Go: Install/Update Tools` ，全部勾选并安装即可。
## JavaScript 环境
### JavaScript 环境
1. 下载并安装 [node.js](https://nodejs.org/en/) 。
2. 在 VSCode 的插件市场中搜索 `javascript` ，安装 JavaScript (ES6) code snippets 。
3. （可选）在 VSCode 的插件市场中搜索 `Prettier` ，安装代码格式化工具。
## C# 环境
### C# 环境
1. 下载并安装 [.Net 6.0](https://dotnet.microsoft.com/en-us/download) 。
2. 在 VSCode 的插件市场中搜索 `C# Dev Kit` ，安装 C# Dev Kit （[配置教程](https://code.visualstudio.com/docs/csharp/get-started)）。
3. 也可使用 Visual Studio（[安装教程](https://learn.microsoft.com/zh-cn/visualstudio/install/install-visual-studio?view=vs-2022)）。
## Swift 环境
### Swift 环境
1. 下载并安装 [Swift](https://www.swift.org/download/)。
2. 在 VSCode 的插件市场中搜索 `swift` ，安装 [Swift for Visual Studio Code](https://marketplace.visualstudio.com/items?itemName=sswg.swift-lang)。
## Dart 环境
### Dart 环境
1. 下载并安装 [Dart](https://dart.dev/get-dart) 。
2. 在 VSCode 的插件市场中搜索 `dart` ，安装 [Dart](https://marketplace.visualstudio.com/items?itemName=Dart-Code.dart-code) 。
## Rust 环境
### Rust 环境
1. 下载并安装 [Rust](https://www.rust-lang.org/tools/install)。
2. 在 VSCode 的插件市场中搜索 `rust` ，安装 [rust-analyzer](https://marketplace.visualstudio.com/items?itemName=rust-lang.rust-analyzer)。

2
docs/chapter_computational_complexity/time_complexity.md
View file

@ -635,7 +635,7 @@ $T(n)$ 是一次函数，说明其运行时间的增长趋势是线性的，因
1. **忽略 $T(n)$ 中的常数项**。因为它们都与 $n$ 无关，所以对时间复杂度不产生影响。
2. **省略所有系数**。例如，循环 $2n$ 次、$5n + 1$ 次等，都可以简化记为 $n$ 次，因为 $n$ 前面的系数对时间复杂度没有影响。
3. **循环嵌套时使用乘法**。总操作数量等于外层循环和内层循环操作数量之积，每一层循环依然可以分别套用第 `1.` 点和第 `2.` 点的技巧。、
3. **循环嵌套时使用乘法**。总操作数量等于外层循环和内层循环操作数量之积，每一层循环依然可以分别套用第 `1.` 点和第 `2.` 点的技巧。
给定一个函数，我们可以用上述技巧来统计操作数量。

2
docs/chapter_greedy/greedy_algorithm.md
View file

@ -1,6 +1,6 @@
# 贪心算法
贪心算法是一种常见的解决优化问题的算法，其基本思想是在问题的每个决策阶段，都选择当前看起来最优的选择，即贪心地做出局部最优的决策，以期望获得全局最优解。贪心算法简洁且高效，在许多实际问题中都有着广泛的应用。
「贪心算法 greedy algorithm」是一种常见的解决优化问题的算法，其基本思想是在问题的每个决策阶段，都选择当前看起来最优的选择，即贪心地做出局部最优的决策，以期望获得全局最优解。贪心算法简洁且高效，在许多实际问题中都有着广泛的应用。
贪心算法和动态规划都常用于解决优化问题。它们之间存在一些相似之处，比如都依赖最优子结构性质，但工作原理是不同的。

4
docs/chapter_searching/binary_search.md
View file

@ -115,9 +115,9 @@
[class]{}-[func]{binary_search}
```
时间复杂度为 $O(\log n)$ 。每轮缩小一半区间，因此二分循环次数为 $\log_2 n$ 。
**时间复杂度 $O(\log n)$** ：在二分循环中，区间每轮缩小一半，循环次数为 $\log_2 n$ 。
空间复杂度为 $O(1)$ 。指针 $i$ 和 $j$ 使用常数大小空间。
**空间复杂度 $O(1)$** ：指针 $i$ 和 $j$ 使用常数大小空间。
## 区间表示方法

2
docs/chapter_tree/avl_tree.md
View file

@ -18,7 +18,7 @@ AVL 树既是二叉搜索树也是平衡二叉树，同时满足这两类二叉
### 节点高度
在操作 AVL 树时，我们需要获取节点的高度，因此需要为 AVL 树的节点类添加 `height` 变量。
由于 AVL 树的相关操作需要获取节点高度，因此我们需要为节点类添加 `height` 变量。
=== "Java"

6
docs/chapter_tree/binary_search_tree.md
View file

@ -202,11 +202,11 @@
如下图所示，当待删除节点的度为 $0$ 时，表示该节点是叶节点，可以直接删除。
![在二叉搜索树中删除节点（度为 0）](binary_search_tree.assets/bst_remove_case1.png)
![在二叉搜索树中删除节点（度为 0 ）](binary_search_tree.assets/bst_remove_case1.png)
如下图所示，当待删除节点的度为 $1$ 时，将待删除节点替换为其子节点即可。
![在二叉搜索树中删除节点（度为 1）](binary_search_tree.assets/bst_remove_case2.png)
![在二叉搜索树中删除节点（度为 1 ）](binary_search_tree.assets/bst_remove_case2.png)
当待删除节点的度为 $2$ 时，我们无法直接删除它，而需要使用一个节点替换该节点。由于要保持二叉搜索树“左 $<$ 根 $<$ 右”的性质，**因此这个节点可以是右子树的最小节点或左子树的最大节点**。
@ -216,7 +216,7 @@
2. 将 `tmp` 的值覆盖待删除节点的值，并在树中递归删除节点 `tmp` 。
=== "<1>"
![二叉搜索树删除节点示例](binary_search_tree.assets/bst_remove_case3_step1.png)
![在二叉搜索树中删除节点（度为 2 ）](binary_search_tree.assets/bst_remove_case3_step1.png)
=== "<2>"
![bst_remove_case3_step2](binary_search_tree.assets/bst_remove_case3_step2.png)