build

docs-en/chapter_array_and_linkedlist/array.md

@@ -48,7 +48,7 @@ There are two ways to initialize arrays depending on the requirements: without i
 
     ```csharp title="array.cs"
     /* Initialize array */
-    int[] arr = new int[5]; // { 0, 0, 0, 0, 0 }
+    int[] arr = new int[5]; // [ 0, 0, 0, 0, 0 ]
     int[] nums = [1, 3, 2, 5, 4];
     ```
 

docs/chapter_array_and_linkedlist/array.md

@@ -48,7 +48,7 @@ comments: true
 
     ```csharp title="array.cs"
     /* 初始化数组 */
-    int[] arr = new int[5]; // { 0, 0, 0, 0, 0 }
+    int[] arr = new int[5]; // [ 0, 0, 0, 0, 0 ]
     int[] nums = [1, 3, 2, 5, 4];
     ```
 

docs/chapter_greedy/greedy_algorithm.md

@@ -293,7 +293,7 @@ comments: true
 
 ## 15.1.1   贪心算法的优点与局限性
 
-**贪心算法不仅操作直接、实现简单，而且通常效率也很高**。在以上代码中，记硬币最小面值为 $\min(coins)$ ，则贪心选择最多循环 $amt / \min(coins)$ 次，时间复杂度为 $O(amt / \min(coins))$ 。这比动态规划解法的时间复杂度 $O(n \times amt)$ 提升了一个数量级。
+**贪心算法不仅操作直接、实现简单，而且通常效率也很高**。在以上代码中，记硬币最小面值为 $\min(coins)$ ，则贪心选择最多循环 $amt / \min(coins)$ 次，时间复杂度为 $O(amt / \min(coins))$ 。这比动态规划解法的时间复杂度 $O(n \times amt)$ 降低了一个数量级。
 
 然而，**对于某些硬币面值组合，贪心算法并不能找到最优解**。图 15-2 给出了两个示例。
 

overrides/stylesheets/extra.css

@@ -54,6 +54,7 @@
   border-radius: 0.63rem;
   display: block;
   margin: 0 auto;
+  box-shadow: var(--md-shadow-z2);
 }
 
 /* Cover image class */