build

chapter_graph/graph.md

@@ -24,8 +24,8 @@ $$
 
 根据边是否具有方向，可分为「无向图 Undirected Graph」和「有向图 Directed Graph」。
 
-- 在无向图中，边表示两顶点之间的“双向”连接关系，例如微信或 QQ 中的“好友关系”；
-- 在有向图中，边具有方向性，即 $A \rightarrow B$ 和 $A \leftarrow B$ 两个方向的边是相互独立的，例如微博或抖音上的“关注”与“被关注”关系；
+- 在无向图中，边表示两顶点之间的“双向”连接关系，例如微信或 QQ 中的“好友关系”。
+- 在有向图中，边具有方向性，即 $A \rightarrow B$ 和 $A \leftarrow B$ 两个方向的边是相互独立的，例如微博或抖音上的“关注”与“被关注”关系。
 
 ![有向图与无向图](graph.assets/directed_graph.png)
 
@@ -33,8 +33,8 @@ $$
 
 根据所有顶点是否连通，可分为「连通图 Connected Graph」和「非连通图 Disconnected Graph」。
 
-- 对于连通图，从某个顶点出发，可以到达其余任意顶点；
-- 对于非连通图，从某个顶点出发，至少有一个顶点无法到达；
+- 对于连通图，从某个顶点出发，可以到达其余任意顶点。
+- 对于非连通图，从某个顶点出发，至少有一个顶点无法到达。
 
 ![连通图与非连通图](graph.assets/connected_graph.png)
 

chapter_graph/graph_traversal.md

@@ -24,9 +24,9 @@ comments: true
 
 BFS 通常借助「队列」来实现。队列具有“先入先出”的性质，这与 BFS 的“由近及远”的思想异曲同工。
 
-1. 将遍历起始顶点 `startVet` 加入队列，并开启循环；
-2. 在循环的每轮迭代中，弹出队首顶点并记录访问，然后将该顶点的所有邻接顶点加入到队列尾部；
-3. 循环步骤 `2.` ，直到所有顶点被访问完成后结束；
+1. 将遍历起始顶点 `startVet` 加入队列，并开启循环。
+2. 在循环的每轮迭代中，弹出队首顶点并记录访问，然后将该顶点的所有邻接顶点加入到队列尾部。
+3. 循环步骤 `2.` ，直到所有顶点被访问完成后结束。
 
 为了防止重复遍历顶点，我们需要借助一个哈希表 `visited` 来记录哪些节点已被访问。
 
@@ -731,8 +731,8 @@ BFS 通常借助「队列」来实现。队列具有“先入先出”的性质
 
 深度优先遍历的算法流程如下图所示，其中：
 
-- **直虚线代表向下递推**，表示开启了一个新的递归方法来访问新顶点；
-- **曲虚线代表向上回溯**，表示此递归方法已经返回，回溯到了开启此递归方法的位置；
+- **直虚线代表向下递推**，表示开启了一个新的递归方法来访问新顶点。
+- **曲虚线代表向上回溯**，表示此递归方法已经返回，回溯到了开启此递归方法的位置。
 
 为了加深理解，建议将图示与代码结合起来，在脑中（或者用笔画下来）模拟整个 DFS 过程，包括每个递归方法何时开启、何时返回。