diff --git a/docs/chapter_array_and_linkedlist/linked_list.md b/docs/chapter_array_and_linkedlist/linked_list.md index 3ed58a01e..17a2c5653 100755 --- a/docs/chapter_array_and_linkedlist/linked_list.md +++ b/docs/chapter_array_and_linkedlist/linked_list.md @@ -719,5 +719,3 @@ ``` ![常见链表种类](linked_list.assets/linkedlist_common_types.png) - -

Fig. 常见链表类型

diff --git a/docs/chapter_array_and_linkedlist/summary.md b/docs/chapter_array_and_linkedlist/summary.md index 0c3318ab9..efde57b4a 100644 --- a/docs/chapter_array_and_linkedlist/summary.md +++ b/docs/chapter_array_and_linkedlist/summary.md @@ -7,8 +7,6 @@ ## 数组 VS 链表 -

Table. 数组与链表特点对比

-
| | 数组 | 链表 | @@ -24,8 +22,6 @@ 「缓存局部性（Cache locality）」涉及到了计算机操作系统，在本书不做展开介绍，建议有兴趣的同学 Google / Baidu 一下。 -

Table. 数组与链表操作时间复杂度

-
| 操作 | 数组 | 链表 | diff --git a/docs/chapter_heap/heap.md b/docs/chapter_heap/heap.md index f1ce52d08..896d68eb2 100644 --- a/docs/chapter_heap/heap.md +++ b/docs/chapter_heap/heap.md @@ -21,8 +21,6 @@ 堆的常用操作见下表（方法命名以 Java 为例）。 -

Table. 堆的常用操作

-
| 方法 | 描述 | 时间复杂度 | diff --git a/docs/chapter_searching/summary.md b/docs/chapter_searching/summary.md index 6d2fb0b3f..9b20e7102 100644 --- a/docs/chapter_searching/summary.md +++ b/docs/chapter_searching/summary.md @@ -4,8 +4,6 @@ - 二分查找利用数据的有序性，通过循环不断缩小一半搜索区间来实现查找，其要求输入数据是有序的，并且仅适用于数组或基于数组实现的数据结构。 - 哈希查找借助哈希表来实现常数阶时间复杂度的查找操作，体现以空间换时间的算法思想。 -

Table. 三种查找方法对比

-
| | 线性查找 | 二分查找 | 哈希查找 | diff --git a/docs/chapter_sorting/bubble_sort.md b/docs/chapter_sorting/bubble_sort.md index 3659190b7..b88695311 100755 --- a/docs/chapter_sorting/bubble_sort.md +++ b/docs/chapter_sorting/bubble_sort.md @@ -31,8 +31,6 @@ === "<7>" ![bubble_operation_step7](bubble_sort.assets/bubble_operation_step7.png) -

Fig. 冒泡操作

- ## 算法流程 1. 设数组长度为 $n$ ，完成第一轮「冒泡」后，数组最大元素已在正确位置，接下来只需排序剩余 $n - 1$ 个元素。 diff --git a/docs/chapter_stack_and_queue/deque.md b/docs/chapter_stack_and_queue/deque.md index 7f628a0b6..5dcc192c6 100644 --- a/docs/chapter_stack_and_queue/deque.md +++ b/docs/chapter_stack_and_queue/deque.md @@ -8,8 +8,6 @@ 双向队列的常用操作见下表，方法名需根据特定语言来确定。 -

Table. 双向队列的常用操作

-
| 方法名 | 描述 | 时间复杂度 | diff --git a/docs/chapter_stack_and_queue/queue.md b/docs/chapter_stack_and_queue/queue.md index d0e2dc2ce..61226057b 100755 --- a/docs/chapter_stack_and_queue/queue.md +++ b/docs/chapter_stack_and_queue/queue.md @@ -10,8 +10,6 @@ 队列的常用操作见下表，方法名需根据特定语言来确定。 -

Table. 队列的常用操作

-
| 方法名 | 描述 | 时间复杂度 | diff --git a/docs/chapter_stack_and_queue/stack.md b/docs/chapter_stack_and_queue/stack.md index c520ceb09..65c7684ce 100755 --- a/docs/chapter_stack_and_queue/stack.md +++ b/docs/chapter_stack_and_queue/stack.md @@ -12,8 +12,6 @@ 栈的常用操作见下表（方法命名以 Java 为例）。 -

Table. 栈的常用操作

-
| 方法 | 描述 | 时间复杂度 | diff --git a/docs/chapter_tree/binary_tree_traversal.md b/docs/chapter_tree/binary_tree_traversal.md index 1001b5174..e6c8c3c80 100755 --- a/docs/chapter_tree/binary_tree_traversal.md +++ b/docs/chapter_tree/binary_tree_traversal.md @@ -12,8 +12,6 @@ ![二叉树的层序遍历](binary_tree_traversal.assets/binary_tree_bfs.png) -

Fig. 二叉树的层序遍历

- ### 算法实现 广度优先遍历一般借助「队列」来实现。队列的规则是“先进先出”，广度优先遍历的规则是 ”一层层平推“ ，两者背后的思想是一致的。 @@ -92,8 +90,6 @@ ![二叉搜索树的前、中、后序遍历](binary_tree_traversal.assets/binary_tree_dfs.png) -

Fig. 二叉树的前 / 中 / 后序遍历

-
| 位置 | 含义 | 此处访问结点时对应 |