Polish some texts.

codes/c/chapter_computational_complexity/space_complexity.c

@@ -3,6 +3,7 @@
  * Created Time: 2023-04-15
  * Author: Gonglja (glj0@outlook.com)
  */
+
 #include "../utils/common.h"
 
 /* 函数 */

docs/chapter_data_structure/number_encoding.md

@@ -43,8 +43,10 @@ $$
 另一方面，**数字零的原码有 $+0$ 和 $-0$ 两种表示方式**。这意味着数字零对应着两个不同的二进制编码，而这可能会带来歧义问题。例如，在条件判断中，如果没有区分正零和负零，可能会导致错误的判断结果。如果我们想要处理正零和负零歧义，则需要引入额外的判断操作，其可能会降低计算机的运算效率。
 
 $$
-+0 = 0000 \space 0000 \newline
--0 = 1000 \space 0000
+\begin{aligned}
++0 & = 0000 \space 0000 \newline
+-0 & = 1000 \space 0000
+\end{aligned}
 $$
 
 与原码一样，反码也存在正负零歧义问题。为此，计算机进一步引入了「补码」。那么，补码有什么作用呢？我们先来分析一下负零的补码的计算过程：

docs/chapter_sorting/heap_sort.md

@@ -7,10 +7,13 @@
 「堆排序 Heap Sort」是一种基于堆数据结构实现的高效排序算法。我们可以利用已经学过的“建堆操作”和“元素出堆操作”实现堆排序：
 
 1. 输入数组并建立小顶堆，此时最小元素位于堆顶。
-2. 初始化一个数组 `res` ，用于存储排序结果。
-3. 循环执行 $n$ 轮出堆操作，并依次将出堆元素记录至 `res` ，即可得到从小到大排序的序列。
+2. 不断执行出堆操作，依次记录出堆元素，即可得到从小到大排序的序列。
 
-该方法虽然可行，但需要借助一个额外数组，比较浪费空间。在实际中，我们通常使用一种更加优雅的实现方式。设数组的长度为 $n$ ，堆排序的流程如下：
+以上方法虽然可行，但需要借助一个额外数组来保存弹出的元素，比较浪费空间。在实际中，我们通常使用一种更加优雅的实现方式。
+
+## 算法流程
+
+设数组的长度为 $n$ ，堆排序的流程如下：
 
 1. 输入数组并建立大顶堆。完成后，最大元素位于堆顶。
 2. 将堆顶元素（第一个元素）与堆底元素（最后一个元素）交换。完成交换后，堆的长度减 $1$ ，已排序元素数量加 $1$ 。
@@ -139,6 +142,6 @@
 
 ## 算法特性
 
-- **时间复杂度 $O(n \log n)$ 、非自适应排序** ：从堆中提取最大元素的时间复杂度为 $O(\log n)$ ，共循环 $n - 1$ 轮。
+- **时间复杂度 $O(n \log n)$ 、非自适应排序** ：建堆操作使用 $O(n)$ 时间。从堆中提取最大元素的时间复杂度为 $O(\log n)$ ，共循环 $n - 1$ 轮。
 - **空间复杂度 $O(1)$ 、原地排序** ：几个指针变量使用 $O(1)$ 空间。元素交换和堆化操作都是在原数组上进行的。
 - **非稳定排序**：在交换堆顶元素和堆底元素时，相等元素的相对位置可能发生变化。

mkdocs.yml

@@ -137,7 +137,7 @@ nav:
     - 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
     - 2.4.   小结: chapter_computational_complexity/summary.md
-  - 3.     数据结构与类型:
+  - 3.     数据结构简介:
     - 3.1.   数据结构分类: chapter_data_structure/classification_of_data_structure.md
     - 3.2.   基本数据类型: chapter_data_structure/basic_data_types.md
     - 3.3.   数字编码 *: chapter_data_structure/number_encoding.md