docs: 更新文档

dunwu · dunwu · commit 8b2c77a1f4c8 · 2022-03-18T19:51:01.000+08:00
diff --git a/README.md b/README.md
@@ -11,11 +11,9 @@
 
 <h1 align="center">algorithm-tutorial</h1>
 
-> 算法、数据结构学习要点：
+> algorithm-tutorial 是一个数据结构与算法教程。
 >
-> 三分学，七分练
->
-> 坚持 + 坚持 + 坚持
+> 掌握数据结构与算法，你看待问题的深度，解决问题的角度就会完全不一样。
 >
 > - 🔁 项目同步维护：[Github](https://github.com/dunwu/algorithm-tutorial/) | [Gitee](https://gitee.com/turnon/algorithm-tutorial/)
 > - 📖 电子书阅读：[Github Pages](https://dunwu.github.io/algorithm-tutorial/) | [Gitee Pages](http://turnon.gitee.io/algorithm-tutorial/)
@@ -26,8 +24,8 @@
 
 - [算法概述](docs/overview.md)
 - [数组和链表](docs/数组和链表.md)
-- [线性表的查找](docs/线性表的查找.md)
 - [栈和队列](docs/栈和队列.md)
+- [线性表的查找](docs/线性表的查找.md)
 - [线性表的排序](docs/线性表的排序.md)
 - [跳表](docs/跳表.md)
 - [散列表](docs/散列表.md)
@@ -203,6 +201,7 @@
   - [算法设计与分析 Design and Analysis of Algorithms](https://class.coursera.org/algorithms-001/lecture) 由北大教授 Wanling Qu 在 coursera 讲授的一门算法课程。首先介绍一些与算法有关的基础知识，然后阐述经典的算法设计思想和分析技术，主要涉及的算法设计技术是：分治策略、动态规划、贪心法、回溯与分支限界等。每个视频都配有相应的讲义（pdf 文件）以便阅读和复习。
   - [算法面试通关 40 讲](https://time.geekbang.org/course/intro/100019701)
   - [数据结构与算法之美](https://time.geekbang.org/column/intro/100017301)
+  - [Data Structures - Computer Science Course for Beginners](https://www.youtube.com/watch?v=zg9ih6SVACc) - 高赞 YouTube 视频教程
 
 ## 🚪 传送
 
diff --git a/assets/数据结构和算法.xmind b/assets/数据结构和算法.xmind
diff --git a/docs/分治算法.md b/docs/分治算法.md
@@ -0,0 +1,18 @@
+# 分治算法
+
+分治算法的核心就是分而治之，也就是将原问题划分成 n 个规模较小，并且结构与原问题相似的子问题，分别解决这些子问题，然后再合并其结果，得到原问题的解。
+
+**分治算法是一种处理问题的思想，递归是一种编程技巧**。分治算法一般都比较适合用递归来实现。分治算法的递归实现中，每一层递归都会涉及这样三个操作：
+
+- 分解：将原问题分解成一系列子问题；
+- 解决：递归地求解各个子问题，若子问题足够小，则直接求解；
+- 合并：将子问题的结果合并成原问题。
+
+分治算法能解决的问题，一般需要满足下面这几个条件：
+
+- 原问题与分解成的小问题具有相同的模式；
+- 原问题分解成的子问题可以独立求解，子问题之间没有相关性，这一点是分治算法跟动态规划的明显区别，等我们讲到动态规划的时候，会详细对比这两种算法；
+- 具有分解终止条件，也就是说，当问题足够小时，可以直接求解；
+- 可以将子问题合并成原问题，而这个合并操作的复杂度不能太高，否则就起不到减小算法总体复杂度的效果了。
+
+## 参考资料
diff --git a/docs/数组和链表.md b/docs/数组和链表.md
@@ -1,7 +1,6 @@
 # 数组和链表
 
-> 数组和链表分别代表了连续空间和不连续空间的存储方式，它们是线性表（Linear List）的典型代表。其他所有的数据结构，比如栈、队列、二
-> 叉树、B+ 树等，实际上都是这两者的结合和变化。
+> 数组和链表分别代表了连续空间和不连续空间的存储方式，它们是线性表（Linear List）的典型代表。其他所有的数据结构，比如栈、队列、二叉树、B+ 树等，实际上都是这两者的结合和变化。
 
 <!-- TOC depthFrom:2 depthTo:3 -->
 
@@ -34,7 +33,7 @@
 
 1. **用连续的内存空间来存储数据**。
 2. **数组支持随机访问，根据下标随机访问的时间复杂度为 `O(1)`**。
-3. **空间大小固定**，一旦建立，不能再改变。
+3. **空间大小固定**，一旦建立，不能再改变。扩容只能采用复制数组的方式。
 4. 在旧式编程语言中（如有中阶语言之称的 C），程序不会对数组的操作做下界判断，也就有潜在的越界操作的风险。
 
 #### 一维数组
@@ -336,7 +335,7 @@ public DListNode<E> find(E value) {
   - 链表用 **不连续** 的内存空间来存储数据；并通过一个指针按顺序将这些空间串起来，形成一条链。
 - **访问方式**
   - 数组**支持随机访问**。根据下标随机访问的时间复杂度为 `O(1)`
-  - 链表**不支持随机访问**，只能顺序访问。
+  - 链表**不支持随机访问**，只能顺序访问，时间复杂度为 `O(n)`。
 - **空间大小**
   - 数组空间**大小固定**，扩容只能采用复制数组的方式。
   - 链表空间**大小不固定**，扩容灵活。
diff --git a/docs/贪心算法.md b/docs/贪心算法.md
@@ -0,0 +1,19 @@
+# 贪心算法
+
+## 贪心算法思路
+
+贪心算法（又称贪婪算法）是指，在对问题求解时，总是做出在当前看来是最好的选择，就能得到问题的答案。贪心算法需要充分挖掘题目中条件，没有固定的模式，解决有贪心算法需要一定的直觉和经验。
+
+贪心算法**不是对所有问题都能得到整体最优解**。能使用贪心算法解决的问题具有「贪心选择性质」。「贪心选择性质」严格意义上需要数学证明。能使用贪心算法解决的问题必须具备「无后效性」，即某个状态以前的过程不会影响以后的状态，只与当前状态有关。
+
+## 贪心算法的应用
+
+霍夫曼编码（Huffman Coding）
+
+Prim 和 Kruskal 最小生成树算法
+
+Dijkstra 单源最短路径算法
+
+## 参考资料
+
+- [数据结构与算法之美](https://time.geekbang.org/column/intro/100017301)
