finetune

docs/chapter_heap/heap.md

@@ -656,7 +656,7 @@
 
 ### 堆顶元素出堆
 
-堆顶元素是二叉树的根节点，即列表首元素。如果我们直接从列表中删除首元素，那么二叉树中所有节点的索引都会发生变化，这将使得后续使用堆化修复变得困难。为了尽量减少元素索引的变动，我们采取以下操作步骤。
+堆顶元素是二叉树的根节点，即列表首元素。如果我们直接从列表中删除首元素，那么二叉树中所有节点的索引都会发生变化，这将使得后续使用堆化修复变得困难。为了尽量减少元素索引的变动，我们采用以下操作步骤。
 
 1. 交换堆顶元素与堆底元素（即交换根节点与最右叶节点）。
 2. 交换完成后，将堆底从列表中删除（注意，由于已经交换，实际上删除的是原来的堆顶元素）。

docs/chapter_heap/summary.md

@@ -1,5 +1,7 @@
 # 小结
 
+### 重点回顾
+
 - 堆是一棵完全二叉树，根据成立条件可分为大顶堆和小顶堆。大（小）顶堆的堆顶元素是最大（小）的。
 - 优先队列的定义是具有出队优先级的队列，通常使用堆来实现。
 - 堆的常用操作及其对应的时间复杂度包括：元素入堆 $O(\log n)$、堆顶元素出堆 $O(\log n)$ 和访问堆顶元素 $O(1)$ 等。
@@ -8,7 +10,7 @@
 - 输入 $n$ 个元素并建堆的时间复杂度可以优化至 $O(n)$ ，非常高效。
 - Top-K 是一个经典算法问题，可以使用堆数据结构高效解决，时间复杂度为 $O(n \log k)$ 。
 
-## Q & A
+### Q & A
 
 !!! question "数据结构的“堆”与内存管理的“堆”是同一个概念吗？"
 

docs/chapter_heap/top_k.md

@@ -16,7 +16,7 @@
 
 !!! tip
 
-    当 $k = n$ 时，我们可以得到从大到小的序列，等价于“选择排序”算法。
+    当 $k = n$ 时，我们可以得到完整的有序序列，此时等价于“选择排序”算法。
 
 ## 方法二：排序