Remove the heading numbers

in all the source docs.

docs/chapter_graph/graph.md

@@ -2,7 +2,7 @@
 comments: true
 ---
 
-# 9.1. 图
+# 图
 
 「图 Graph」是一种非线性数据结构，由「顶点 Vertex」和「边 Edge」组成。我们可将图 $G$ 抽象地表示为一组顶点 $V$ 和一组边 $E$ 的集合。例如，以下表示一个包含 5 个顶点和 7 条边的图
 
@@ -18,7 +18,7 @@ $$
 
 那么，图与其他数据结构的关系是什么？如果我们把「顶点」看作结点，把「边」看作连接各个结点的指针，则可将「图」看成一种从「链表」拓展而来的数据结构。**相比线性关系（链表）和分治关系（树），网络关系（图）的自由度更高，也从而更为复杂**。
 
-## 9.1.1. 图常见类型
+## 图常见类型
 
 根据边是否有方向，分为「无向图 Undirected Graph」和「有向图 Directed Graph」。
 
@@ -38,13 +38,13 @@ $$
 
 ![weighted_graph](graph.assets/weighted_graph.png)
 
-## 9.1.2. 图常用术语
+## 图常用术语
 
 - 「邻接 Adjacency」：当两顶点之间有边相连时，称此两顶点“邻接”。
 - 「路径 Path」：从顶点 A 到顶点 B 走过的边构成的序列，被称为从 A 到 B 的“路径”。
 - 「度 Degree」表示一个顶点具有多少条边。对于有向图，「入度 In-Degree」表示有多少条边指向该顶点，「出度 Out-Degree」表示有多少条边从该顶点指出。
 
-## 9.1.3. 图的表示
+## 图的表示
 
 图的常用表示方法有「邻接矩阵」和「邻接表」。以下使用「无向图」来举例。
 
@@ -74,7 +74,7 @@ $$
 
 观察上图发现，**邻接表结构与哈希表「链地址法」非常相似，因此我们也可以用类似方法来优化效率**。比如，当链表较长时，可以把链表转化为「AVL 树」，从而将时间效率从 $O(n)$ 优化至 $O(\log n)$ ，还可以通过中序遍历获取有序序列；还可以将链表转化为 HashSet（即哈希表），将时间复杂度降低至 $O(1)$ ，。
 
-## 9.1.4. 图常见应用
+## 图常见应用
 
 现实中的许多系统都可以使用图来建模，对应的待求解问题也可以被约化为图计算问题。