Finetune

docs/chapter_backtracking/backtracking_algorithm.md

@@ -742,7 +742,7 @@
 - 上文介绍过的剪枝是一种常用的优化方法。它可以避免搜索那些肯定不会产生有效解的路径，从而节省时间和空间。
 - 另一个常用的优化方法是加入「启发式搜索 Heuristic Search」策略，它在搜索过程中引入一些策略或者估计值，从而优先搜索最有可能产生有效解的路径。
 
-## 典型例题
+## 回溯典型例题
 
 **搜索问题**：这类问题的目标是找到满足特定条件的解决方案。
 

docs/chapter_divide_and_conquer/hanota_problem.md

@@ -83,7 +83,7 @@
 
     [class]{hanota}-[func]{dfs}
 
-    [class]{hanota}-[func]{hanota}
+    [class]{hanota}-[func]{solveHanota}
     ```
 
 === "C++"

docs/chapter_divide_and_conquer/summary.md

@@ -6,6 +6,6 @@
 - 引入分治策略往往可以带来算法效率的提升。一方面，分治策略减少了计算吧操作数量；另一方面，分治后有利于系统的并行优化。
 - 分治既可以解决许多算法问题，也广泛应用于数据结构与算法设计中，处处可见其身影。
 - 相较于暴力搜索，自适应搜索效率更高。时间复杂度为 $O(\log n)$ 的搜索算法通常都是基于分治策略实现的。
-- 二分查找也体现了分治思想，我们可以通过递归分治实现二分查找。
+- 二分查找是分治思想的另一个典型应用，它不包含将子问题的解进行合并的步骤。我们可以通过递归分治实现二分查找。
 - 在构建二叉树问题中，构建树（原问题）可以被划分为构建左子树和右子树（子问题），其可以通过划分前序遍历和中序遍历的索引区间来实现。
 - 在汉诺塔问题中，一个规模为 $n$ 的问题可以被划分为两个规模为 $n-1$ 的子问题和一个规模为 $1$ 的子问题。按顺序解决这三个子问题后，原问题随之得到解决。

docs/chapter_dynamic_programming/unbounded_knapsack_problem.md

@@ -188,7 +188,7 @@ $$
 
 !!! question
 
-    给定 $n$ 种硬币，第 $i$ 个硬币的面值为 $coins[i - 1]$ ，为目标金额 $amt$ ，**每种硬币可以重复选取**，问能够凑出目标金额的最少硬币个数。如果无法凑出目标金额则返回 $-1$ 。
+    给定 $n$ 种硬币，第 $i$ 个硬币的面值为 $coins[i - 1]$ ，目标金额为 $amt$ ，**每种硬币可以重复选取**，问能够凑出目标金额的最少硬币个数。如果无法凑出目标金额则返回 $-1$ 。
 
 如下图所示，凑出 $11$ 元最少需要 $3$ 枚硬币，方案为 $1 + 2 + 5 = 11$ 。
 

docs/chapter_heap/build_heap.md

@@ -117,7 +117,7 @@ $$
 $$
 \begin{aligned}
 T(h) & = 2 \frac{1 - 2^h}{1 - 2} - h \newline
-& = 2^{h+1} - h \newline
+& = 2^{h+1} - h - 2 \newline
 & = O(2^h)
 \end{aligned}
 $$