Update the chapter preface and add the chapter appendix

README.md

@@ -51,7 +51,7 @@
 
 ## 参与写作
 
-我们正在加速更新本书，期待您通过提交 Pull Request 来[参与本项目](https://www.hello-algo.com/chapter_preface/contribution/)，以帮助其他读者获取更优质的学习内容。
+我们正在加速更新本书，期待您通过提交 Pull Request 来[参与本项目](https://www.hello-algo.com/chapter_appendix/contribution/)，以帮助其他读者获取更优质的学习内容。
 
 - 如您发现语法错误、内容缺失、文字歧义、无效链接、解释不清晰等问题，请帮忙修正或评论指出；
 - 期待您参与 C++, Python, Go, JavaScript, TypeScript, C, C#, Swift, Zig, Rust, Dart 等语言[代码翻译](https://github.com/krahets/hello-algo/issues/15)；

docs/chapter_computational_complexity/performance_evaluation.md

@@ -42,4 +42,4 @@
 
 复杂度分析给出一把评价算法效率的“标尺”，告诉我们执行某个算法需要多少时间和空间资源，也让我们可以开展不同算法之间的效率对比。
 
-计算复杂度是个数学概念，对于初学者可能比较抽象，学习难度相对较高。从这个角度出发，其并不适合作为第一章内容。但是，当我们讨论某个数据结构或者算法的特点时，难以避免需要分析它的运行速度和空间使用情况。**因此，在展开学习数据结构与算法之前，建议读者先对计算复杂度建立起初步的了解，并且能够完成简单案例的复杂度分析**。
+复杂度是个数学概念，对于初学者可能比较抽象，学习难度相对较高。从这个角度出发，其并不适合作为第一章内容。但是，当我们讨论某个数据结构或者算法的特点时，难以避免需要分析它的运行速度和空间使用情况。**因此，在展开学习数据结构与算法之前，建议读者先对复杂度建立起初步的了解，并且能够完成简单案例的复杂度分析**。

docs/chapter_computational_complexity/time_complexity.md

@@ -373,7 +373,7 @@ $$
 
 **时间复杂度的推算方法更加简便**。在时间复杂度分析中，我们可以将统计「计算操作的运行时间」简化为统计「计算操作的数量」，这是因为，无论是运行平台还是计算操作类型，都与算法运行时间的增长趋势无关。因而，我们可以简单地将所有计算操作的执行时间统一看作是相同的“单位时间”，这样的简化做法大大降低了估算难度。
 
-**时间复杂度也存在一定的局限性**。比如，虽然算法 `A` 和 `C` 的时间复杂度相同，但是实际的运行时间有非常大的差别。再比如，虽然算法 `B` 比 `C` 的时间复杂度要更高，但在输入数据大小 $n$ 比较小时，算法 `B` 是要明显优于算法 `C` 的。对于以上情况，我们很难仅凭时间复杂度来判定算法效率高低。然而，即使存在这些问题，计算复杂度仍然是评判算法效率的最有效且常用的方法。
+**时间复杂度也存在一定的局限性**。比如，虽然算法 `A` 和 `C` 的时间复杂度相同，但是实际的运行时间有非常大的差别。再比如，虽然算法 `B` 比 `C` 的时间复杂度要更高，但在输入数据大小 $n$ 比较小时，算法 `B` 是要明显优于算法 `C` 的。对于以上情况，我们很难仅凭时间复杂度来判定算法效率高低。然而，即使存在这些问题，复杂度分析仍然是评判算法效率的最有效且常用的方法。
 
 ## 函数渐近上界
 

docs/chapter_preface/about_the_book.md

@@ -1,9 +1,5 @@
 # 关于本书
 
-!!! tip
-
-    对于本章内容，建议通读[如何使用本书](https://www.hello-algo.com/chapter_preface/suggestions/)，其余章节可根据需求选读。
-
 五年前发生的一件事，成为了我职业生涯的重要转折点。当时的我在交大读研，对互联网求职一无所知，但仍然硬着头皮申请了 Microsoft 软件工程师实习。面试官让我在白板上写出“快速排序”代码，我畏畏缩缩地写了一个“冒泡排序”，并且还写错了` (ToT) ` 。从面试官的表情上，我看到了一个大大的 "GG" 。
 
 此次失利倒逼我开始刷算法题。我采用“扫雷游戏”式的学习方法，两眼一抹黑刷题，扫到不会的“雷”就通过查资料把它“排掉”，配合周期性总结，逐渐形成了数据结构与算法的知识图景。幸运地，我在秋招斩获了多家大厂的 Offer 。
@@ -14,17 +10,11 @@
 
 ## 读者对象
 
-如果您是「算法初学者」，完全没有接触过算法，或者已经有少量刷题，对数据结构与算法有朦胧的理解，在会与不会之间反复横跳，那么这本书就是为您而写！本书能够带来：
+如果您是「算法初学者」，完全没有接触过算法，或者已经有少量刷题，对数据结构与算法有朦胧的理解，在会与不会之间反复横跳，那么这本书就是为您而写！
 
-- 带领你完整学习数据结构与算法，初步搭建知识框架，使刷题事半功倍；
-- 提供写法标准整洁、可一键运行的配套代码，帮助你养成良好的编程习惯；
+如果您是「算法老手」，已经积累一定刷题量，接触过大多数题型，那么本书可以帮助你回顾与梳理算法知识体系，仓库源代码可以被当作“刷题工具库”或“算法字典”来使用。
 
-如果您是「算法老手」，已经积累一定刷题量，接触过大多数题型，那么本书内容对你来说可能稍显基础，但仍能够带来以下价值：
-
-- 本书篇幅不长，并且包含较多对比性和总结性的内容，可以帮助你回顾与梳理算法知识体系；
-- 源代码实现了各种经典数据结构和算法，可以作为“刷题工具库”或“算法实现字典”来使用；
-
-如果您是「算法大佬」，请受我膜拜！希望您可以抽时间提出意见建议，或者[一起参与创作](https://www.hello-algo.com/chapter_preface/contribution/)，帮助各位同学获取更好的学习内容，感谢！
+如果您是「算法大佬」，希望得到你的宝贵意见建议，或者[一起参与创作](https://www.hello-algo.com/chapter_appendix/contribution/)。
 
 !!! success "前置条件"
 
@@ -34,71 +24,12 @@
 
 本书主要内容分为复杂度分析、数据结构、算法三个部分。
 
+- **复杂度分析**：数据结构与算法的评价维度、算法效率的评估方法。时间复杂度、空间复杂度，包括推算方法、常见类型、示例等。
+- **数据结构**：常用的基本数据类型，数据在内存中的存储方式、数据结构分类方法。数组、链表、栈、队列、散列表、树、堆、图等数据结构，内容包括定义、优劣势、常用操作、常见类型、典型应用、实现方法等。
+- **算法**：查找算法、排序算法、搜索与回溯、动态规划、分治算法，内容包括定义、使用场景、优劣势、时空效率、实现方法、示例题目等。
+
 ![Hello 算法内容结构](about_the_book.assets/hello_algo_mindmap.png)
 
-### 复杂度分析
-
-首先介绍数据结构与算法的评价维度、算法效率的评估方法，引出了计算复杂度概念。
-
-接下来，从 **函数渐近上界** 入手，分别介绍了 **时间复杂度** 和 **空间复杂度**，包括推算方法、常见类型、示例等。同时，剖析了 **最差、最佳、平均** 时间复杂度的联系与区别。
-
-### 数据结构
-
-首先介绍了常用的 **基本数据类型** 、以及它们是如何在内存中存储的。
-
-接下来，介绍了两种 **数据结构分类方法**，包括逻辑结构与物理结构。
-
-后续展开介绍了 **数组、链表、栈、队列、散列表、树、堆、图** 等数据结构，关心以下内容：
-
-- 基本定义：数据结构的设计来源、存在意义；
-- 主要特点：在各项数据操作中的优势、劣势；
-- 常用操作：例如访问、更新、插入、删除、遍历、搜索等；
-- 常见类型：在算法题或工程实际中，经常碰到的数据结构类型；
-- 典型应用：此数据结构经常搭配哪些算法使用；
-- 实现方法：对于重要的数据结构，将给出完整的实现示例；
-
-### 算法
-
-包括 **查找算法、排序算法、搜索与回溯、动态规划、分治算法**，内容包括：
-
-- 基本定义：算法的设计思想；
-- 主要特点：使用前置条件、优势和劣势；
-- 算法效率：最差和平均时间复杂度、空间复杂度；
-- 实现方法：完整的算法实现，以及优化措施；
-- 示例题目：结合例题加深理解；
-
-## 本书定位
-
-总体上看，我认为可将学习数据结构与算法的过程分为三个阶段。
-
-- **第一阶段，算法入门**。熟悉各种数据结构的特点、用法，学习各种算法的原理、流程、用途、效率等。
-- **第二阶段，刷算法题**。可以先从热门题单开刷，推荐[剑指 Offer](https://leetcode.cn/problem-list/xb9nqhhg/)、[LeetCode Hot 100](https://leetcode.cn/problem-list/2cktkvj/)，先积累至少 100 道题量，熟悉大多数的算法问题。刚开始刷题时，“遗忘”是最大的困扰点，但这是很正常的，请不要担心。学习中有一种概念叫“周期性回顾”，同一道题隔段时间做一次，在重复 3 轮以上后，往往就能牢记于心了。
-- **第三阶段，搭建知识体系**。在学习方面，可以阅读算法专栏文章、解题框架、算法教材，不断地丰富知识体系。在刷题方面，可以开始采用进阶刷题方案，例如按专题分类、一题多解、一解多题等，相应刷题计划与心得可以在社区中找到，在此不做赘述。
-
-根据观察，很多同学都是从“第二阶段”开始学习算法的。而作为入门教程，**本书内容主要对应“第一阶段”**，致力于帮助读者更高效地开展第二、三阶段的学习。
-
-![算法学习路线](suggestions.assets/learning_route.png)
-
-## 本书特点
-
-**以实践为主**。我们知道，学习英语期间光啃书本是远远不够的，需要多听、多说、多写，在实践中培养语感、积累经验。编程语言也是一门语言，因此学习方法也应是类似的，需要多看优秀代码、多敲键盘、多思考代码逻辑。
-
-本书的理论部分占少量篇幅，主要分为两类：一是基础且必要的概念知识，以培养读者对于算法的感性认识；二是重要的分类、对比或总结，这是为了帮助你站在更高视角俯瞰各个知识点，形成连点成面的效果。
-
-实践部分主要由示例和代码组成。代码配有简要注释，复杂示例会尽可能地使用视觉化的形式呈现。我强烈建议读者对照着代码自己敲一遍，如果时间有限，也至少逐行读、复制并运行一遍，配合着讲解将代码吃透。
-
-**视觉化学习**。信息时代以来，视觉化的脚步从未停止。媒体形式经历了文字短信、图文 Email 、动图、短（长）视频、交互式 Web 、3D 游戏等演变过程，信息的视觉化程度越来越高、愈加符合人类感官、信息传播效率大大提升。科技界也在向视觉化迈进，iPhone 就是一个典型例子，其相对于传统手机是高度视觉化的，包含精心设计的字体、主题配色、交互动画等。
-
-近两年，短视频成为最受欢迎的信息媒介，可以在短时间内将高密度的信息“灌”给我们，有着极其舒适的观看体验。阅读则不然，读者与书本之间天然存在一种“疏离感”，我们看书会累、会走神、会停下来想其他事、会划下喜欢的句子、会思考某一片段的含义，这种疏离感给了读者与书本之间对话的可能，拓宽了想象空间。
-
-本书作为一本入门教材，希望可以保有书本的“慢节奏”，但也会避免与读者产生过多“疏离感”，而是努力将知识完整清晰地推送到你聪明的小脑袋瓜中。我将采用视觉化的方式（例如配图、动画），尽我可能清晰易懂地讲解复杂概念和抽象示例。
-
-**内容精简化**。大多数的经典教科书，会把每个主题都讲的很透彻。虽然透彻性正是其获得读者青睐的原因，但对于想要快速入门的初学者来说，这些教材的实用性不足。本书会避免引入非必要的概念、名词、定义等，也避免展开不必要的理论分析，毕竟这不是一本真正意义上的教材，主要任务是尽快地带领读者入门。
-
-引入一些生活案例或趣味内容，非常适合作为知识点的引子或者解释的补充，但当融入过多额外元素时，内容会稍显冗长，也许反而使读者容易迷失、抓不住重点，这也是本书需要避免的。
-
-敲代码如同写字，“美”是统一的追求。本书力求美观的代码，保证规范的变量命名、统一的空格与换行、对齐的缩进、整齐的注释等。
-
 ## 致谢
 
 本书的成书过程中，我获得了许多人的帮助，包括但不限于：

docs/chapter_preface/suggestions.md

@@ -1,6 +1,18 @@
 # 如何使用本书
 
-**强烈建议通读本节内容，以获取最佳学习体验**。
+建议通读本节内容，以获取最佳阅读体验。
+
+## 算法学习路线
+
+总体上看，我认为可将学习数据结构与算法的过程分为三个阶段。
+
+1. **算法入门**。熟悉各种数据结构的特点、用法，学习各种算法的原理、流程、用途、效率等。
+2. **刷算法题**。可以先从热门题单开刷，推荐[剑指 Offer](https://leetcode.cn/problem-list/xb9nqhhg/)、[LeetCode Hot 100](https://leetcode.cn/problem-list/2cktkvj/)，先积累至少 100 道题量，熟悉大多数的算法问题。刚开始刷题时，“遗忘”是最大的困扰点，但这是很正常的，请不要担心。学习中有一种概念叫“周期性回顾”，同一道题隔段时间做一次，在重复 3 轮以上后，往往就能牢记于心了。
+3. **搭建知识体系**。在学习方面，可以阅读算法专栏文章、解题框架、算法教材，不断地丰富知识体系。在刷题方面，可以开始采用进阶刷题方案，例如按专题分类、一题多解、一解多题等，相关刷题心得可以在各个社区中找到。
+
+作为一本入门教程，**本书内容主要对应“第一阶段”**，致力于帮助你更高效地开展第二、三阶段的学习。
+
+![算法学习路线](suggestions.assets/learning_route.png)
 
 ## 行文风格约定
 
@@ -159,7 +171,7 @@
 
 ![运行代码示例](suggestions.assets/running_code.gif)
 
-**第一步：安装本地编程环境**。参照[下节内容](https://www.hello-algo.com/chapter_preface/installation/)，如果已有可直接跳过。
+**第一步：安装本地编程环境**。参照[附录教程](https://www.hello-algo.com/chapter_appendix/installation/)，如果已有可直接跳过。
 
 **第二步：下载代码仓**。如果已经安装 [Git](https://git-scm.com/downloads) ，可以通过命令行来克隆代码仓。
 

docs/chapter_reference/index.md

@@ -15,3 +15,5 @@
 [7] 王争. 数据结构与算法之美.
 
 [8] Gayle Laakmann McDowell. Cracking the Coding Interview: 189 Programming Questions and Solutions (6th Edition). 
+
+[9] Aston Zhang, et al. Dive into Deep Learning.

mkdocs.yml

@@ -127,13 +127,11 @@ nav:
   - 0.     写在前面:
     - 0.1.   关于本书: chapter_preface/about_the_book.md
     - 0.2.   如何使用本书: chapter_preface/suggestions.md
-    - 0.3.   编程环境安装: chapter_preface/installation.md
-    - 0.4.   一起参与创作: chapter_preface/contribution.md
   - 1.     引言:
     - 1.1.   算法无处不在: chapter_introduction/algorithms_are_everywhere.md
     - 1.2.   算法是什么: chapter_introduction/what_is_dsa.md
     - 1.3.   小结: chapter_introduction/summary.md
-  - 2.     计算复杂度:
+  - 2.     复杂度分析:
     - 2.1.   算法效率评估: chapter_computational_complexity/performance_evaluation.md
     - 2.2.   时间复杂度: chapter_computational_complexity/time_complexity.md
     - 2.3.   空间复杂度: chapter_computational_complexity/space_complexity.md
@@ -184,5 +182,8 @@ nav:
     - 11.4.   快速排序: chapter_sorting/quick_sort.md
     - 11.5.   归并排序: chapter_sorting/merge_sort.md
     - 11.6.   小结: chapter_sorting/summary.md
+  - 12.     附录:
+    - 12.1.   编程环境安装: chapter_appendix/installation.md
+    - 12.2.   一起参与创作: chapter_appendix/contribution.md
   - 参考文献:
     - chapter_reference/index.md