xmengnet/hello-algo
1
0
Fork 0
mirror of https://github.com/krahets/hello-algo.git synced 2024-12-24 04:16:29 +08:00
Code Issues Projects Releases Packages Wiki Activity Actions

Update README

Browse source
This commit is contained in:
krahets 2022-11-23 15:50:59 +08:00
parent 550024f69b
commit faba5af781
19 changed files with 61 additions and 57 deletions
Show stats Download patch file Download diff file Expand all files Collapse all files

14
README.md
View file

@ -1,5 +1,5 @@
<p align="center">
<a href="https://krahets.github.io/hello-algo/">
<a href="https://www.hello-algo.com/">
<img src="docs/index.assets/conceptual_rendering.png" width="220">
</a>
</p>
@ -12,17 +12,11 @@
动画图解、能运行、可讨论的</br>数据结构与算法快速入门教程
</p>
<p align="center">
<a href="https://krahets.github.io/hello-algo/">
<img src="docs/index.assets/demo.png" width="700">
</a>
</p>
<p align="center">
<em>
前往阅读 -
<a href="https://hello-algo.pages.dev/">
hello-algo.pages.dev
前往阅读 >>
<a href="https://www.hello-algo.com/">
hello-algo.com
</a>
</em>
</p>

6
docs/chapter_array_and_linkedlist/array.md
View file

@ -8,7 +8,7 @@ comments: true
![array_definition](array.assets/array_definition.png)
<p style="text-align:center"> Fig. 数组定义与存储方式 </p>
<p align="center"> Fig. 数组定义与存储方式 </p>
!!! note
@ -42,7 +42,7 @@ comments: true
![array_memory_location_calculation](array.assets/array_memory_location_calculation.png)
<p style="text-align:center"> Fig. 数组元素的内存地址计算 </p>
<p align="center"> Fig. 数组元素的内存地址计算 </p>
```java title=""
// 元素内存地址 = 数组内存地址 + 元素长度 * 元素索引
@ -117,7 +117,7 @@ elementAddr = firtstElementAddr + elementLength * elementIndex
![array_insert_remove_element](array.assets/array_insert_remove_element.png)
<p style="text-align:center"> Fig. 在数组中插入与删除元素 </p>
<p align="center"> Fig. 在数组中插入与删除元素 </p>
=== "Java"

6
docs/chapter_array_and_linkedlist/linked_list.md
View file

@ -14,7 +14,7 @@ comments: true
![linkedlist_definition](linked_list.assets/linkedlist_definition.png)
<p style="text-align:center"> Fig. 链表定义与存储方式 </p>
<p align="center"> Fig. 链表定义与存储方式 </p>
=== "Java"
@ -86,7 +86,7 @@ comments: true
![linkedlist_insert_remove_node](linked_list.assets/linkedlist_insert_remove_node.png)
<p style="text-align:center"> Fig. 在链表中插入与删除结点 </p>
<p align="center"> Fig. 在链表中插入与删除结点 </p>
=== "Java"
@ -219,4 +219,4 @@ comments: true
![linkedlist_common_types](linked_list.assets/linkedlist_common_types.png)
<p style="text-align:center"> Fig. 常见链表类型 </p>
<p align="center"> Fig. 常见链表类型 </p>

4
docs/chapter_array_and_linkedlist/summary.md
View file

@ -11,7 +11,7 @@ comments: true
## 数组 VS 链表
<p style="text-align:center"> Table. 数组与链表特点对比 </p>
<p align="center"> Table. 数组与链表特点对比 </p>
<div class="center-table" markdown>
@ -28,7 +28,7 @@ comments: true
「缓存局部性（Cache locality）」涉及到了计算机操作系统，在本书不做展开介绍，建议有兴趣的同学 Google / Baidu 一下。
<p style="text-align:center"> Table. 数组与链表操作时间复杂度 </p>
<p align="center"> Table. 数组与链表操作时间复杂度 </p>
<div class="center-table" markdown>

10
docs/chapter_computational_complexity/space_complexity.md
View file

@ -26,7 +26,7 @@ comments: true
![space_types](space_complexity.assets/space_types.png)
<p style="text-align:center"> Fig. 算法使用的相关空间 </p>
<p align="center"> Fig. 算法使用的相关空间 </p>
=== "Java"
@ -144,7 +144,7 @@ $$
![space_complexity_common_types](space_complexity.assets/space_complexity_common_types.png)
<p style="text-align:center"> Fig. 空间复杂度的常见类型 </p>
<p align="center"> Fig. 空间复杂度的常见类型 </p>
!!! tip
@ -252,7 +252,7 @@ $$
![space_complexity_recursive_linear](space_complexity.assets/space_complexity_recursive_linear.png)
<p style="text-align:center"> Fig. 递归函数产生的线性阶空间复杂度 </p>
<p align="center"> Fig. 递归函数产生的线性阶空间复杂度 </p>
### 平方阶 $O(n^2)$
@ -317,7 +317,7 @@ $$
![space_complexity_recursive_quadratic](space_complexity.assets/space_complexity_recursive_quadratic.png)
<p style="text-align:center"> Fig. 递归函数产生的平方阶空间复杂度 </p>
<p align="center"> Fig. 递归函数产生的平方阶空间复杂度 </p>
### 指数阶 $O(2^n)$
@ -350,7 +350,7 @@ $$
![space_complexity_exponential](space_complexity.assets/space_complexity_exponential.png)
<p style="text-align:center"> Fig. 满二叉树下的指数阶空间复杂度 </p>
<p align="center"> Fig. 满二叉树下的指数阶空间复杂度 </p>
### 对数阶 $O(\log n)$

16
docs/chapter_computational_complexity/time_complexity.md
View file

@ -92,7 +92,7 @@ $$
![time_complexity_first_example](time_complexity.assets/time_complexity_first_example.png)
<p style="text-align:center"> Fig. 算法 A, B, C 的时间增长趋势 </p>
<p align="center"> Fig. 算法 A, B, C 的时间增长趋势 </p>
相比直接统计算法运行时间，时间复杂度分析的做法有什么好处呢？以及有什么不足？
@ -153,7 +153,7 @@ $T(n)$ 是个一次函数，说明时间增长趋势是线性的，因此易得
![asymptotic_upper_bound](time_complexity.assets/asymptotic_upper_bound.png)
<p style="text-align:center"> Fig. 函数的渐进上界 </p>
<p align="center"> Fig. 函数的渐进上界 </p>
本质上看，计算渐进上界就是在找一个函数 $f(n)$ ，**使得在 $n$ 趋向于无穷大时，$T(n)$ 和 $f(n)$ 处于相同的增长级别（仅相差一个常数项 $c$ 的倍数）**。
@ -245,7 +245,7 @@ $$
![time_complexity_common_types](time_complexity.assets/time_complexity_common_types.png)
<p style="text-align:center"> Fig. 时间复杂度的常见类型 </p>
<p align="center"> Fig. 时间复杂度的常见类型 </p>
!!! tip
@ -375,7 +375,7 @@ $$
![time_complexity_constant_linear_quadratic](time_complexity.assets/time_complexity_constant_linear_quadratic.png)
<p style="text-align:center"> Fig. 常数阶、线性阶、平方阶的时间复杂度 </p>
<p align="center"> Fig. 常数阶、线性阶、平方阶的时间复杂度 </p>
以「冒泡排序」为例，外层循环 $n - 1$ 次，内层循环 $n-1, n-2, \cdots, 2, 1$ 次，平均为 $\frac{n}{2}$ 次，因此时间复杂度为 $O(n^2)$ 。
@ -454,7 +454,7 @@ $$
![time_complexity_exponential](time_complexity.assets/time_complexity_exponential.png)
<p style="text-align:center"> Fig. 指数阶的时间复杂度 </p>
<p align="center"> Fig. 指数阶的时间复杂度 </p>
在实际算法中，指数阶常出现于递归函数。例如以下代码，不断地一分为二，分裂 $n$ 次后停止。
@ -516,7 +516,7 @@ $$
![time_complexity_logarithmic](time_complexity.assets/time_complexity_logarithmic.png)
<p style="text-align:center"> Fig. 对数阶的时间复杂度 </p>
<p align="center"> Fig. 对数阶的时间复杂度 </p>
与指数阶类似，对数阶也常出现于递归函数。以下代码形成了一个高度为 $\log_2 n$ 的递归树。
@ -577,7 +577,7 @@ $$
![time_complexity_logarithmic_linear](time_complexity.assets/time_complexity_logarithmic_linear.png)
<p style="text-align:center"> Fig. 线性对数阶的时间复杂度 </p>
<p align="center"> Fig. 线性对数阶的时间复杂度 </p>
### 阶乘阶 $O(n!)$
@ -618,7 +618,7 @@ $$
![time_complexity_factorial](time_complexity.assets/time_complexity_factorial.png)
<p style="text-align:center"> Fig. 阶乘阶的时间复杂度 </p>
<p align="center"> Fig. 阶乘阶的时间复杂度 </p>
## 最差、最佳、平均时间复杂度

4
docs/chapter_data_structure/classification_of_data_strcuture.md
View file

@ -17,7 +17,7 @@ comments: true
![classification_logic_structure](classification_of_data_strcuture.assets/classification_logic_structure.png)
<p style="text-align:center"> Fig. 线性与非线性数据结构 </p>
<p align="center"> Fig. 线性与非线性数据结构 </p>
## 物理结构：连续与离散
@ -29,7 +29,7 @@ comments: true
![classification_phisical_structure](classification_of_data_strcuture.assets/classification_phisical_structure.png)
<p style="text-align:center"> Fig. 连续空间存储与离散空间存储 </p>
<p align="center"> Fig. 连续空间存储与离散空间存储 </p>
**所有数据结构都是基于数组、或链表、或两者组合实现的。** 例如栈和队列，既可以使用数组实现、也可以使用链表实现，而例如哈希表，其实现同时包含了数组和链表。

6
docs/chapter_data_structure/data_and_memory.md
View file

@ -19,7 +19,7 @@ comments: true
1 字节 (byte) = 8 比特 (bit) ， 1 比特即最基本的 1 个二进制位
<p style="text-align:center"> Table. Java 的基本数据类型 </p>
<p align="center"> Table. Java 的基本数据类型 </p>
<div class="center-table" markdown>
@ -57,7 +57,7 @@ comments: true
=== "C++"
```cpp title=""
```
=== "Python"
@ -76,6 +76,6 @@ comments: true
![computer_memory_location](data_and_memory.assets/computer_memory_location.png)
<p style="text-align:center"> Fig. 内存条、内存空间、内存地址 </p>
<p align="center"> Fig. 内存条、内存空间、内存地址 </p>
**内存资源是设计数据结构与算法的重要考虑因素。** 内存是所有程序的公共资源，当内存被某程序占用时，不能被其它程序同时使用。我们需要根据剩余内存资源的情况来设计算法。例如，若剩余内存空间有限，则要求算法占用的峰值内存不能超过系统剩余内存；若运行的程序很多、缺少大块连续的内存空间，则要求选取的数据结构必须能够存储在离散的内存空间内。

2
docs/chapter_dsa_introduction/index.md
View file

@ -77,7 +77,7 @@ comments: true
![relationship_between_data_structure_and_algorithm](index.assets/relationship_between_data_structure_and_algorithm.png)
<p style="text-align:center"> Fig. 数据结构与算法的关系 </p>
<p align="center"> Fig. 数据结构与算法的关系 </p>
!!! tip "约定俗成的习惯"

6
docs/chapter_introduction/index.md
View file

@ -22,8 +22,8 @@ comments: true
!!! quote ""
<p style="text-align:center"> 追风赶月莫停留，平芜尽处是春山 </p>
<p style="text-align:center"> 一起加油！ </p>
<p align="center"> 追风赶月莫停留，平芜尽处是春山 </p>
<p align="center"> 一起加油！ </p>
## 内容结构
@ -31,7 +31,7 @@ comments: true
![mindmap](index.assets/mindmap.png)
<p style="text-align:center"> Fig. 知识点思维导图 </p>
<p align="center"> Fig. 知识点思维导图 </p>
### 复杂度分析

2
docs/chapter_searching/summary.md
View file

@ -4,7 +4,7 @@
- 二分查找利用数据的有序性，通过循环不断缩小一半搜索区间来实现查找，其要求输入数据是有序的，并且仅适用于数组或基于数组实现的数据结构。
- 哈希查找借助哈希表来实现常数阶时间复杂度的查找操作，体现以空间换时间的算法思想。
<p style="text-align:center"> Table. 三种查找方法对比 </p>
<p align="center"> Table. 三种查找方法对比 </p>
<div class="center-table" markdown>

4
docs/chapter_sorting/bubble_sort.md
View file

@ -42,6 +42,8 @@ comments: true
![bubble_operation_step7](bubble_sort.assets/bubble_operation_step7.png)
<p align="center"> Fig. 冒泡操作 </p>
## 算法流程
1. 设数组长度为 $n$ ，完成第一轮「冒泡」后，数组最大元素已在正确位置，接下来只需排序剩余 $n - 1$ 个元素。
@ -52,6 +54,8 @@ comments: true
![bubble_sort](bubble_sort.assets/bubble_sort.png)
<p align="center"> Fig. 冒泡排序流程 </p>
=== "Java"
```java

4
docs/chapter_sorting/insertion_sort.md
View file

@ -12,6 +12,8 @@ comments: true
![insertion_operation](insertion_sort.assets/insertion_operation.png)
<p align="center"> Fig. 插入操作 </p>
## 算法流程
1. 第 1 轮先选取数组的 **第 2 个元素** 为 `base` ，执行「插入操作」后， **数组前 2 个元素已完成排序**。
@ -22,6 +24,8 @@ comments: true
![insertion_sort](insertion_sort.assets/insertion_sort.png)
<p align="center"> Fig. 插入排序流程 </p>
=== "Java"
```java

4
docs/chapter_sorting/quick_sort.md
View file

@ -33,7 +33,7 @@ comments: true
=== "Step 9"
![pivot_division_step9](quick_sort.assets/pivot_division_step9.png)
哨兵划分实现代码如下。
<p align="center"> Fig. 哨兵划分 </p>
=== "Java"
@ -75,6 +75,8 @@ comments: true
![quick_sort](quick_sort.assets/quick_sort.png)
<p align="center"> Fig. 快速排序流程 </p>
=== "Java"
```java

4
docs/chapter_stack_and_queue/deque.md
View file

@ -4,13 +4,13 @@
![deque_operations](deque.assets/deque_operations.png)
<p style="text-align:center"> Fig. 双向队列的操作 </p>
<p align="center"> Fig. 双向队列的操作 </p>
## 双向队列常用操作
双向队列的常用操作见下表，方法名需根据编程语言设定来具体确定。
<p style="text-align:center"> Table. 双向队列的常用操作 </p>
<p align="center"> Table. 双向队列的常用操作 </p>
<div class="center-table" markdown>

4
docs/chapter_stack_and_queue/queue.md
View file

@ -10,13 +10,13 @@ comments: true
![queue_operations](queue.assets/queue_operations.png)
<p style="text-align:center"> Fig. 队列的先入先出特性 </p>
<p align="center"> Fig. 队列的先入先出特性 </p>
## 队列常用操作
队列的常用操作见下表，方法命名需根据编程语言的设定来具体确定。
<p style="text-align:center"> Table. 队列的常用操作 </p>
<p align="center"> Table. 队列的常用操作 </p>
<div class="center-table" markdown>

4
docs/chapter_stack_and_queue/stack.md
View file

@ -10,13 +10,13 @@ comments: true
![stack_operations](stack.assets/stack_operations.png)
<p style="text-align:center"> Fig. 栈的先入后出特性 </p>
<p align="center"> Fig. 栈的先入后出特性 </p>
## 栈常用操作
栈的常用操作见下表，方法名需根据编程语言设定来具体确定。
<p style="text-align:center"> Table. 栈的常用操作 </p>
<p align="center"> Table. 栈的常用操作 </p>
<div class="center-table" markdown>

12
docs/chapter_tree/binary_tree.md
View file

@ -22,7 +22,7 @@ comments: true
![binary_tree_definition](binary_tree.assets/binary_tree_definition.png)
<p style="text-align:center"> Fig. 子结点与子树 </p>
<p align="center"> Fig. 子结点与子树 </p>
需要注意，父结点、子结点、子树是可以向下递推的。例如，如果将上图的「结点 2」看作父结点，那么其左子节点和右子结点分别为「结点 4」和「结点 5」，左子树和右子树分别为「结点 4 以下的树」和「结点 5 以下的树」。
@ -42,7 +42,7 @@ comments: true
![binary_tree_terminology](binary_tree.assets/binary_tree_terminology.png)
<p style="text-align:center"> Fig. 二叉树的常见术语 </p>
<p align="center"> Fig. 二叉树的常见术语 </p>
## 二叉树最佳和最差结构
@ -50,7 +50,7 @@ comments: true
![binary_tree_corner_cases](binary_tree.assets/binary_tree_corner_cases.png)
<p style="text-align:center"> Fig. 二叉树的最佳和最差结构 </p>
<p align="center"> Fig. 二叉树的最佳和最差结构 </p>
在最佳和最差结构下，二叉树的结点数量和高度等性质达到最大（最小）值。
@ -88,7 +88,7 @@ comments: true
![binary_tree_add_remove](binary_tree.assets/binary_tree_add_remove.png)
<p style="text-align:center"> Fig. 在二叉树中插入与删除结点 </p>
<p align="center"> Fig. 在二叉树中插入与删除结点 </p>
```java title="binary_tree.java"
TreeNode P = new TreeNode(0);
@ -115,7 +115,7 @@ n1.left = n2;
![binary_tree_bfs](binary_tree.assets/binary_tree_bfs.png)
<p style="text-align:center"> Fig. 二叉树的层序遍历 </p>
<p align="center"> Fig. 二叉树的层序遍历 </p>
广度优先遍历一般借助「队列」来实现。队列的规则是 “先进先出” ，广度优先遍历的规则是 ”一层层平推“ ，两者背后的思想是一致的。
@ -148,7 +148,7 @@ n1.left = n2;
![binary_tree_dfs](binary_tree.assets/binary_tree_dfs.png)
<p style="text-align:center"> Fig. 二叉树的前 / 中 / 后序遍历 </p>
<p align="center"> Fig. 二叉树的前 / 中 / 后序遍历 </p>
<div class="center-table" markdown>

6
docs/index.md
View file

@ -21,7 +21,7 @@ hide:
<h2 style="text-align:center"> 「清晰动画讲解」 </h2>
<p style="text-align:center"> 借助动画介绍重点，提升知识吸收效率</br>HTML 文档，支持笔记本、平板、手机多种终端 </p>
<p align="center"> 借助动画介绍重点，提升知识吸收效率</br>HTML 文档，支持笔记本、平板、手机多种终端 </p>
![algorithm_animation](index.assets/animation.gif)
@ -29,7 +29,7 @@ hide:
<h2 style="text-align:center"> 「代码实践导向」 </h2>
<p style="text-align:center"> 示例代码皆可一键运行，在调试中加深理解</br>提供 Java, C++, Python 源码与详细注释 </p>
<p align="center"> 示例代码皆可一键运行，在调试中加深理解</br>提供 Java, C++, Python 源码与详细注释 </p>
![running_code](index.assets/running_code.gif)
@ -37,7 +37,7 @@ hide:
<h2 style="text-align:center"> 「可讨论与提问」 </h2>
<p style="text-align:center"> 在评论区与小伙伴们一起学习进步</br>作者定期回复评论问题（一般 < 72h ） </p>
<p align="center"> 在评论区与小伙伴们一起学习进步</br>作者定期回复评论问题（一般 < 72h ） </p>
![comment](index.assets/comment.gif)