auto commit

docs/notes/算法.md

@@ -646,7 +646,7 @@ public T select(T[] nums, int k) {
 
 堆可以用数组来表示，这是因为堆是完全二叉树，而完全二叉树很容易就存储在数组中。位置 k 的节点的父节点位置为 k/2，而它的两个子节点的位置分别为 2k 和 2k+1。这里不使用数组索引为 0 的位置，是为了更清晰地描述节点的位置关系。
 
-<div align="center"> <img src="pics/f3080f83-6239-459b-8e9c-03b6641f7815.png" width="200"/> </div><br>
+<div align="center"> <img src="pics/8_200.png"/> </div><br>
 
 ```java
 public class Heap<T extends Comparable<T>> {
@@ -682,7 +682,7 @@ public class Heap<T extends Comparable<T>> {
 
 在堆中，当一个节点比父节点大，那么需要交换这个两个节点。交换后还可能比它新的父节点大，因此需要不断地进行比较和交换操作，把这种操作称为上浮。
 
-<div align="center"> <img src="pics/33ac2b23-cb85-4e99-bc41-b7b7199fad1c.png" width="400"/> </div><br>
+<div align="center"> <img src="pics/81550405360028.gif"/> </div><br>
 
 ```java
 private void swim(int k) {
@@ -695,7 +695,7 @@ private void swim(int k) {
 
 类似地，当一个节点比子节点来得小，也需要不断地向下进行比较和交换操作，把这种操作称为下沉。一个节点如果有两个子节点，应当与两个子节点中最大那个节点进行交换。
 
-<div align="center"> <img src="pics/72f0ff69-138d-4e54-b7ac-ebe025d978dc.png" width="400"/> </div><br>
+<div align="center"> <img src="pics/91550405374894.gif"/> </div><br>
 
 ```java
 private void sink(int k) {
@@ -744,15 +744,13 @@ public T delMax() {
 
 无序数组建立堆最直接的方法是从左到右遍历数组进行上浮操作。一个更高效的方法是从右至左进行下沉操作，如果一个节点的两个节点都已经是堆有序，那么进行下沉操作可以使得这个节点为根节点的堆有序。叶子节点不需要进行下沉操作，可以忽略叶子节点的元素，因此只需要遍历一半的元素即可。
 
-<div align="center"> <img src="pics/b84ba6fb-312b-4e69-8c77-fb6eb6fb38d4.png" width="300"/> </div><br>
+<div align="center"> <img src="pics/101550406418006.gif"/> </div><br>
 
 #### 5.2 交换堆顶元素与最后一个元素
 
 交换之后需要进行下沉操作维持堆的有序状态。
 
-<div align="center"> <img src="pics/51fb761d-8ce0-4472-92ff-2f227ac7888a.png" width="270"/> </div><br>
-
-<div align="center"> <img src="pics/b20a3466-44b4-445e-87c7-dd4fb9ef44b2.png" width="350"/> </div><br>
+<div align="center"> <img src="pics/111550407277293.gif"/> </div><br>
 
 ```java
 public class HeapSort<T extends Comparable<T>> extends Sort<T> {
@@ -2045,7 +2043,7 @@ public class Transaction {
 
 对于 N 个键，M 条链表 (N>M)，如果哈希函数能够满足均匀性的条件，每条链表的大小趋向于 N/M，因此未命中的查找和插入操作所需要的比较次数为 \~N/M。
 
-<div align="center"> <img src="pics/b4252c85-6fb0-4995-9a68-a1a5925fbdb1.png" width="300"/> </div><br>
+<div align="center"> <img src="pics/9_200.png"/> </div><br>
 
 ### 3. 线性探测法
 
@@ -2053,7 +2051,7 @@ public class Transaction {
 
 使用线性探测法，数组的大小 M 应当大于键的个数 N（M>N)。
 
-<div align="center"> <img src="pics/dbb8516d-37ba-4e2c-b26b-eefd7de21b45.png" width="400"/> </div><br>
+<div align="center"> <img src="pics/121550407878282.gif"/> </div><br>
 
 ```java
 public class LinearProbingHashST<Key, Value> implements UnorderedST<Key, Value> {
@@ -2154,7 +2152,7 @@ public void delete(Key key) {
 
 线性探测法的成本取决于连续条目的长度，连续条目也叫聚簇。当聚簇很长时，在查找和插入时也需要进行很多次探测。例如下图中 2\~5 位置就是一个聚簇。
 
-<div align="center"> <img src="pics/386cd64f-7a9d-40e6-8c55-22b90ee2d258.png" width="400"/> </div><br>
+<div align="center"> <img src="pics/11_200.png"/> </div><br>
 
 α = N/M，把 α 称为使用率。理论证明，当 α 小于 1/2 时探测的预计次数只在 1.5 到 2.5 之间。为了保证散列表的性能，应当调整数组的大小，使得 α 在 [1/4, 1/2] 之间。