diff --git a/notes/算法.md b/notes/算法.md
index 1830732f..488beede 100644
--- a/notes/算法.md
+++ b/notes/算法.md
@@ -75,13 +75,13 @@ public class ThreeSum {
}
```
-该算法的内循环为 if(a[i]+a[j]+a[k]==0) 语句，总共执行的次数为 N(N-1)(N-2) = N3/6-N2/2+N/3，因此它的近似执行次数为 \~N3/6，增长数量级为 N3。
+该算法的内循环为 if(a[i]+a[j]+a[k]==0) 语句，总共执行的次数为 N(N-1)(N-2) = N3/6-N2/2+N/3，因此它的近似执行次数为 \~N3/6，增长数量级为 O(N3)。
**改进**
通过将数组先排序，对两个元素求和，并用二分查找方法查找是否存在该和的相反数，如果存在，就说明存在三元组的和为 0。
-该方法可以将 ThreeSum 算法增长数量级降低为 N2logN。
+该方法可以将 ThreeSum 算法增长数量级降低为 O(N2logN)。
```java
public class ThreeSumFast {
@@ -399,7 +399,7 @@ public void union(int p, int q) {
理论研究证明，加权 quick-union 算法构造的树深度最多不超过 logN。
-
+
```java
public class WeightedQuickUnionUF {
@@ -450,13 +450,11 @@ public class WeightedQuickUnionUF {
| :---: | :---: | :---: |
| quick-find | N | 1 |
| quick-union | 树高 | 树高 |
-| 加权 quick-union | lgN | lgN |
+| 加权 quick-union | logN | logN |
| 路径压缩的加权 quick-union | 非常接近 1 | 非常接近 1 |
# 四、排序
- **约定**
-
待排序的元素需要实现 Java 的 Comparable 接口，该接口有 compareTo() 方法，可以用它来判断两个元素的大小关系。
研究排序算法的成本模型时，计算的是比较和交换的次数。
@@ -464,11 +462,11 @@ public class WeightedQuickUnionUF {
使用辅助函数 less() 和 exch() 来进行比较和交换的操作，使得代码的可读性和可移植性更好。
```java
-private boolean less(Comparable v, Comparable w){
+private boolean less(Comparable v, Comparable w) {
return v.compareTo(w) < 0;
}
-private void exch(Comparable[] a, int i, int j){
+private void exch(Comparable[] a, int i, int j) {
Comparable t = a[i];
a[i] = a[j];
a[j] = t;
@@ -479,7 +477,7 @@ private void exch(Comparable[] a, int i, int j){
找到数组中的最小元素，将它与数组的第一个元素交换位置。再从剩下的元素中找到最小的元素，将它与数组的第二个元素交换位置。不断进行这样的操作，直到将整个数组排序。
-
+
```java
public class Selection {
@@ -517,7 +515,11 @@ public class Insertion {
}
```
-插入排序的复杂度取决于数组的初始顺序，如果数组已经部分有序了，那么插入排序会很快。平均情况下插入排序需要 \~N2/4 比较以及 \~N2/4 次交换，最坏的情况下需要 \~N2/2 比较以及 \~N2/2 次交换，最坏的情况是数组是逆序的；而最好的情况下需要 N-1 次比较和 0 次交换，最好的情况就是数组已经有序了。
+插入排序的复杂度取决于数组的初始顺序，如果数组已经部分有序了，那么插入排序会很快。
+
+- 平均情况下插入排序需要 \~N2/4 比较以及 \~N2/4 次交换；
+- 最坏的情况下需要 \~N2/2 比较以及 \~N2/2 次交换，最坏的情况是数组是逆序的；
+- 最好的情况下需要 N-1 次比较和 0 次交换，最好的情况就是数组已经有序了。
插入排序对于部分有序数组和小规模数组特别高效。
@@ -529,7 +531,7 @@ public class Insertion {
希尔排序使用插入排序对间隔 h 的序列进行排序，如果 h 很大，那么元素就能很快的移到很远的地方。通过不断减小 h，最后令 h=1，就可以使得整个数组是有序的。
-
+
```java
public class Shell {
@@ -628,7 +630,8 @@ public static void busort(Comparable[] a) {
### 1. 基本算法
-归并排序将数组分为两个子数组分别排序，并将有序的子数组归并使得整个数组排序；快速排序通过一个切分元素将数组分为两个子数组，左子数组小于等于切分元素，右子数组大于等于切分元素，将这两个子数组排序也就将整个数组排序了。
+- 归并排序将数组分为两个子数组分别排序，并将有序的子数组归并使得整个数组排序；
+- 快速排序通过一个切分元素将数组分为两个子数组，左子数组小于等于切分元素，右子数组大于等于切分元素，将这两个子数组排序也就将整个数组排序了。
@@ -652,7 +655,7 @@ public class QuickSort {
取 a[lo] 作为切分元素，然后从数组的左端向右扫描直到找到第一个大于等于它的元素，再从数组的右端向左扫描找到第一个小于等于它的元素，交换这两个元素，并不断进行这个过程，就可以保证左指针 i 的左侧元素都不大于切分元素，右指针 j 的右侧元素都不小于切分元素。当两个指针相遇时，将切分元素 a[lo] 和 a[j] 交换位置。
-
+
```java
private static int partition(Comparable[] a, int lo, int hi) {
@@ -679,15 +682,15 @@ private static int partition(Comparable[] a, int lo, int hi) {
### 4. 算法改进
-**（一）切换到插入排序**
+（一）切换到插入排序
因为快速排序在小数组中也会调用自己，对于小数组，插入排序比快速排序的性能更好，因此在小数组中可以切换到插入排序。
-**（二）三取样**
+（二）三取样
最好的情况下是每次都能取数组的中位数作为切分元素，但是计算中位数的代价很高。人们发现取 3 个元素并将大小居中的元素作为切分元素的效果最好。
-**（三）三向切分**
+（三）三向切分
对于有大量重复元素的数组，可以将数组切分为三部分，分别对应小于、等于和大于切分元素。
@@ -720,7 +723,7 @@ public class Quick3Way {
堆的某个节点的值总是大于等于子节点的值，并且堆是一颗完全二叉树。
-堆可以用数组来表示，因为堆是一种完全二叉树，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。这里我们不使用数组索引为 0 的位置，是为了更清晰地理解节点的关系。
+堆可以用数组来表示，因为堆是一种完全二叉树，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。这里我们不使用数组索引为 0 的位置，是为了更清晰地描述节点的位置关系。
@@ -813,13 +816,13 @@ public Key delMax() {
由于堆可以很容易得到最大的元素并删除它，不断地进行这种操作可以得到一个递减序列。如果把最大元素和当前堆中数组的最后一个元素交换位置，并且不删除它，那么就可以得到一个从尾到头的递减序列，从正向来看就是一个递增序列。因此很容易使用堆来进行排序，并且堆排序是原地排序，不占用额外空间。
-**构建堆**
+（一）构建堆
无序数组建立堆最直接的方法是从左到右遍历数组，然后进行上浮操作。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，因此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。
-**交换堆顶元素与最后一个元素**
+（二）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。
diff --git a/pics/5aac64d3-2c7b-4f32-9e9a-1df2186f588b.png b/pics/5aac64d3-2c7b-4f32-9e9a-1df2186f588b.png
new file mode 100644
index 00000000..f457a99d
Binary files /dev/null and b/pics/5aac64d3-2c7b-4f32-9e9a-1df2186f588b.png differ
diff --git a/pics/a4c17d43-fa5e-4935-b74e-147e7f7e782c.png b/pics/a4c17d43-fa5e-4935-b74e-147e7f7e782c.png
new file mode 100644
index 00000000..461fffb0
Binary files /dev/null and b/pics/a4c17d43-fa5e-4935-b74e-147e7f7e782c.png differ
diff --git a/pics/cdbe1d12-5ad9-4acb-a717-bbc822c2acf3.png b/pics/cdbe1d12-5ad9-4acb-a717-bbc822c2acf3.png
new file mode 100644
index 00000000..63792c74
Binary files /dev/null and b/pics/cdbe1d12-5ad9-4acb-a717-bbc822c2acf3.png differ
diff --git a/pics/ed7b96ac-6428-4bd5-9986-674c54c2a959.png b/pics/ed7b96ac-6428-4bd5-9986-674c54c2a959.png
new file mode 100644
index 00000000..78b3cace
Binary files /dev/null and b/pics/ed7b96ac-6428-4bd5-9986-674c54c2a959.png differ
