build

chapter_tree/array_representation_of_tree.md

@@ -2,13 +2,13 @@
 comments: true
 ---
 
-# 8.3.   二叉树数组表示
+# 7.3.   二叉树数组表示
 
 在链表表示下，二叉树的存储单元为节点 `TreeNode` ，节点之间通过指针相连接。在上节中，我们学习了在链表表示下的二叉树的各项基本操作。
 
 那么，能否用「数组」来表示二叉树呢？答案是肯定的。
 
-## 8.3.1.   表示完美二叉树
+## 7.3.1.   表示完美二叉树
 
 先分析一个简单案例，给定一个完美二叉树，我们将节点按照层序遍历的顺序编号（从 $0$ 开始），此时每个节点都对应唯一的索引。
 
@@ -20,7 +20,7 @@ comments: true
 
 **映射公式的作用相当于链表中的指针**。如果我们将节点按照层序遍历的顺序存储在一个数组中，那么对于数组中的任意节点，我们都可以通过映射公式来访问其子节点。
 
-## 8.3.2.   表示任意二叉树
+## 7.3.2.   表示任意二叉树
 
 然而，完美二叉树只是一个特例。在二叉树的中间层，通常存在许多 $\text{null}$ ，而层序遍历序列并不包含这些 $\text{null}$ 。我们无法仅凭该序列来推测 $\text{null}$ 的数量和分布位置，**这意味着存在多种二叉树结构都符合该层序遍历序列**。显然在这种情况下，上述的数组表示方法已经失效。
 
@@ -112,7 +112,7 @@ comments: true
 
 <p align="center"> Fig. 任意类型二叉树的数组表示 </p>
 
-## 8.3.3. &nbsp; 优势与局限性
+## 7.3.3. &nbsp; 优势与局限性
 
 二叉树的数组表示存在以下优点：
 

chapter_tree/avl_tree.md

@@ -2,7 +2,7 @@
 comments: true
 ---
 
-# 8.5.   AVL 树 *
+# 7.5.   AVL 树 *
 
 在二叉搜索树章节中，我们提到了在多次插入和删除操作后，二叉搜索树可能退化为链表。这种情况下，所有操作的时间复杂度将从 $O(\log n)$ 恶化为 $O(n)$。
 
@@ -20,7 +20,7 @@ comments: true
 
 G. M. Adelson-Velsky 和 E. M. Landis 在其 1962 年发表的论文 "An algorithm for the organization of information" 中提出了「AVL 树」。论文中详细描述了一系列操作，确保在持续添加和删除节点后，AVL 树不会退化，从而使得各种操作的时间复杂度保持在 $O(\log n)$ 级别。换句话说，在需要频繁进行增删查改操作的场景中，AVL 树能始终保持高效的数据操作性能，具有很好的应用价值。
 
-## 8.5.1.   AVL 树常见术语
+## 7.5.1.   AVL 树常见术语
 
 「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树的所有性质，因此也被称为「平衡二叉搜索树」。
 
@@ -494,7 +494,7 @@ G. M. Adelson-Velsky 和 E. M. Landis 在其 1962 年发表的论文 "An algorit
 
     设平衡因子为 $f$ ，则一棵 AVL 树的任意节点的平衡因子皆满足 $-1 \le f \le 1$ 。
 
-## 8.5.2.   AVL 树旋转
+## 7.5.2.   AVL 树旋转
 
 AVL 树的特点在于「旋转 Rotation」操作，它能够在不影响二叉树的中序遍历序列的前提下，使失衡节点重新恢复平衡。换句话说，**旋转操作既能保持树的「二叉搜索树」属性，也能使树重新变为「平衡二叉树」**。
 
@@ -1275,7 +1275,7 @@ AVL 树的特点在于「旋转 Rotation」操作，它能够在不影响二叉
     }
     ```
 
-## 8.5.3.   AVL 树常用操作
+## 7.5.3.   AVL 树常用操作
 
 ### 插入节点
 
@@ -2025,7 +2025,7 @@ AVL 树的特点在于「旋转 Rotation」操作，它能够在不影响二叉
 
 AVL 树的节点查找操作与二叉搜索树一致，在此不再赘述。
 
-## 8.5.4.   AVL 树典型应用
+## 7.5.4.   AVL 树典型应用
 
 - 组织和存储大型数据，适用于高频查找、低频增删的场景；
 - 用于构建数据库中的索引系统；

chapter_tree/binary_search_tree.md

@@ -2,7 +2,7 @@
 comments: true
 ---
 
-# 8.4.   二叉搜索树
+# 7.4.   二叉搜索树
 
 「二叉搜索树 Binary Search Tree」满足以下条件：
 
@@ -13,7 +13,7 @@ comments: true
 
 <p align="center"> Fig. 二叉搜索树 </p>
 
-## 8.4.1. &nbsp; 二叉搜索树的操作
+## 7.4.1. &nbsp; 二叉搜索树的操作
 
 ### 查找节点
 
@@ -1159,7 +1159,7 @@ comments: true
 
 <p align="center"> Fig. 二叉搜索树的中序遍历序列 </p>
 
-## 8.4.2. &nbsp; 二叉搜索树的效率
+## 7.4.2. &nbsp; 二叉搜索树的效率
 
 给定一组数据，我们考虑使用数组或二叉搜索树存储。
 
@@ -1183,7 +1183,7 @@ comments: true
 
 <p align="center"> Fig. 二叉搜索树的平衡与退化 </p>
 
-## 8.4.3. &nbsp; 二叉搜索树常见应用
+## 7.4.3. &nbsp; 二叉搜索树常见应用
 
 - 用作系统中的多级索引，实现高效的查找、插入、删除操作。
 - 作为某些搜索算法的底层数据结构。

chapter_tree/binary_tree.md

@@ -2,7 +2,7 @@
 comments: true
 ---
 
-# 8.1.   二叉树
+# 7.1.   二叉树
 
 「二叉树 Binary Tree」是一种非线性数据结构，代表着祖先与后代之间的派生关系，体现着“一分为二”的分治逻辑。与链表类似，二叉树的基本单元是节点，每个节点包含一个「值」和两个「指针」。
 
@@ -155,7 +155,7 @@ comments: true
 
 <p align="center"> Fig. 父节点、子节点、子树 </p>
 
-## 8.1.1. &nbsp; 二叉树常见术语
+## 7.1.1. &nbsp; 二叉树常见术语
 
 二叉树涉及的术语较多，建议尽量理解并记住。
 
@@ -176,7 +176,7 @@ comments: true
 
     请注意，我们通常将「高度」和「深度」定义为“走过边的数量”，但有些题目或教材可能会将其定义为“走过节点的数量”。在这种情况下，高度和深度都需要加 1 。
 
-## 8.1.2. &nbsp; 二叉树基本操作
+## 7.1.2. &nbsp; 二叉树基本操作
 
 **初始化二叉树**。与链表类似，首先初始化节点，然后构建引用指向（即指针）。
 
@@ -459,7 +459,7 @@ comments: true
 
     需要注意的是，插入节点可能会改变二叉树的原有逻辑结构，而删除节点通常意味着删除该节点及其所有子树。因此，在二叉树中，插入与删除操作通常是由一套操作配合完成的，以实现有实际意义的操作。
 
-## 8.1.3. &nbsp; 常见二叉树类型
+## 7.1.3. &nbsp; 常见二叉树类型
 
 ### 完美二叉树
 
@@ -497,7 +497,7 @@ comments: true
 
 <p align="center"> Fig. 平衡二叉树 </p>
 
-## 8.1.4. &nbsp; 二叉树的退化
+## 7.1.4. &nbsp; 二叉树的退化
 
 当二叉树的每层节点都被填满时，达到「完美二叉树」；而当所有节点都偏向一侧时，二叉树退化为「链表」。
 

chapter_tree/binary_tree_traversal.md

@@ -2,13 +2,13 @@
 comments: true
 ---
 
-# 8.2.   二叉树遍历
+# 7.2.   二叉树遍历
 
 从物理结构的角度来看，树是一种基于链表的数据结构，因此其遍历方式是通过指针逐个访问节点。然而，树是一种非线性数据结构，这使得遍历树比遍历链表更加复杂，需要借助搜索算法来实现。
 
 二叉树常见的遍历方式包括层序遍历、前序遍历、中序遍历和后序遍历等。
 
-## 8.2.1.   层序遍历
+## 7.2.1.   层序遍历
 
 「层序遍历 Level-Order Traversal」从顶部到底部逐层遍历二叉树，并在每一层按照从左到右的顺序访问节点。
 
@@ -285,7 +285,7 @@ comments: true
 
 **空间复杂度**：在最差情况下，即满二叉树时，遍历到最底层之前，队列中最多同时存在 $\frac{n + 1}{2}$ 个节点，占用 $O(n)$ 空间。
 
-## 8.2.2.   前序、中序、后序遍历
+## 7.2.2.   前序、中序、后序遍历
 
 相应地，前序、中序和后序遍历都属于「深度优先遍历 Depth-First Traversal」，它体现了一种“先走到尽头，再回溯继续”的遍历方式。
 

chapter_tree/summary.md

@@ -2,7 +2,7 @@
 comments: true
 ---
 
-# 8.6.   小结
+# 7.6.   小结
 
 - 二叉树是一种非线性数据结构，体现“一分为二”的分治逻辑。每个二叉树节点包含一个值以及两个指针，分别指向其左子节点和右子节点。
 - 对于二叉树中的某个节点，其左（右）子节点及其以下形成的树被称为该节点的左（右）子树。