Number the H1 and H2 headings.

docs/chapter_tree/avl_tree.md

@@ -2,7 +2,7 @@
 comments: true
 ---
 
-# AVL 树 *
+# 7.4. AVL 树 *
 
 在「二叉搜索树」章节中提到，在进行多次插入与删除操作后，二叉搜索树可能会退化为链表。此时所有操作的时间复杂度都会由 $O(\log n)$ 劣化至 $O(n)$ 。
 
@@ -18,7 +18,7 @@ G. M. Adelson-Velsky 和 E. M. Landis 在其 1962 年发表的论文 "An algorit
 
 换言之，在频繁增删查改的使用场景中，AVL 树可始终保持很高的数据增删查改效率，具有很好的应用价值。
 
-## AVL 树常见术语
+## 7.4.1. AVL 树常见术语
 
 「AVL 树」既是「二叉搜索树」又是「平衡二叉树」，同时满足这两种二叉树的所有性质，因此又被称为「平衡二叉搜索树」。
 
@@ -329,7 +329,7 @@ G. M. Adelson-Velsky 和 E. M. Landis 在其 1962 年发表的论文 "An algorit
 
     设平衡因子为 $f$ ，则一棵 AVL 树的任意结点的平衡因子皆满足 $-1 \le f \le 1$ 。
 
-## AVL 树旋转
+## 7.4.2. AVL 树旋转
 
 AVL 树的独特之处在于「旋转 Rotation」的操作，其可 **在不影响二叉树中序遍历序列的前提下，使失衡结点重新恢复平衡**。换言之，旋转操作既可以使树保持为「二叉搜索树」，也可以使树重新恢复为「平衡二叉树」。
 
@@ -827,7 +827,7 @@ AVL 树的独特之处在于「旋转 Rotation」的操作，其可 **在不影
     }
     ```
 
-## AVL 树常用操作
+## 7.4.3. AVL 树常用操作
 
 ### 插入结点
 
@@ -1253,7 +1253,7 @@ AVL 树的独特之处在于「旋转 Rotation」的操作，其可 **在不影
 
 「AVL 树」的结点查找操作与「二叉搜索树」一致，在此不再赘述。
 
-## AVL 树典型应用
+## 7.4.4. AVL 树典型应用
 
 - 组织存储大型数据，适用于高频查找、低频增删场景；
 - 用于建立数据库中的索引系统；

docs/chapter_tree/binary_search_tree.md

@@ -2,7 +2,7 @@
 comments: true
 ---
 
-# 二叉搜索树
+# 7.3. 二叉搜索树
 
 「二叉搜索树 Binary Search Tree」满足以下条件：
 
@@ -11,7 +11,7 @@ comments: true
 
 ![binary_search_tree](binary_search_tree.assets/binary_search_tree.png)
 
-## 二叉搜索树的操作
+## 7.3.1. 二叉搜索树的操作
 
 ### 查找结点
 
@@ -934,7 +934,7 @@ comments: true
     }
     ```
 
-## 二叉搜索树的效率
+## 7.3.2. 二叉搜索树的效率
 
 假设给定 $n$ 个数字，最常用的存储方式是「数组」，那么对于这串乱序的数字，常见操作的效率为：
 
@@ -963,7 +963,7 @@ comments: true
 
 </div>
 
-## 二叉搜索树的退化
+## 7.3.3. 二叉搜索树的退化
 
 理想情况下，我们希望二叉搜索树的是“左右平衡”的（详见「平衡二叉树」章节），此时可以在 $\log n$ 轮循环内查找任意结点。
 
@@ -975,7 +975,7 @@ comments: true
 
 ![bst_degradation](binary_search_tree.assets/bst_degradation.png)
 
-## 二叉搜索树常见应用
+## 7.3.4. 二叉搜索树常见应用
 
 - 系统中的多级索引，高效查找、插入、删除操作。
 - 各种搜索算法的底层数据结构。

docs/chapter_tree/binary_tree.md

@@ -2,7 +2,7 @@
 comments: true
 ---
 
-# 二叉树
+# 7.1. 二叉树
 
 「二叉树 Binary Tree」是一种非线性数据结构，代表着祖先与后代之间的派生关系，体现着“一分为二”的分治逻辑。类似于链表，二叉树也是以结点为单位存储的，结点包含「值」和两个「指针」。
 
@@ -129,7 +129,7 @@ comments: true
 
 <p align="center"> Fig. 子结点与子树 </p>
 
-## 二叉树常见术语
+## 7.1.1. 二叉树常见术语
 
 二叉树的术语较多，建议尽量理解并记住。后续可能遗忘，可以在需要使用时回来查看确认。
 
@@ -150,7 +150,7 @@ comments: true
 
     值得注意，我们通常将「高度」和「深度」定义为“走过边的数量”，而有些题目或教材会将其定义为“走过结点的数量”，此时高度或深度都需要 + 1 。
 
-## 二叉树基本操作
+## 7.1.2. 二叉树基本操作
 
 **初始化二叉树**。与链表类似，先初始化结点，再构建引用指向（即指针）。
 
@@ -404,7 +404,7 @@ comments: true
 
     插入结点会改变二叉树的原有逻辑结构，删除结点往往意味着删除了该结点的所有子树。因此，二叉树中的插入与删除一般都是由一套操作配合完成的，这样才能实现有意义的操作。
 
-## 常见二叉树类型
+## 7.1.3. 常见二叉树类型
 
 ### 完美二叉树
 
@@ -436,7 +436,7 @@ comments: true
 
 ![balanced_binary_tree](binary_tree.assets/balanced_binary_tree.png)
 
-## 二叉树的退化
+## 7.1.4. 二叉树的退化
 
 当二叉树的每层的结点都被填满时，达到「完美二叉树」；而当所有结点都偏向一边时，二叉树退化为「链表」。
 
@@ -460,7 +460,7 @@ comments: true
 
 </div>
 
-## 二叉树表示方式 *
+## 7.1.5. 二叉树表示方式 *
 
 我们一般使用二叉树的「链表表示」，即存储单位为结点 `TreeNode` ，结点之间通过指针（引用）相连接。本文前述示例代码展示了二叉树在链表表示下的各项基本操作。
 

docs/chapter_tree/binary_tree_traversal.md

@@ -2,11 +2,11 @@
 comments: true
 ---
 
-# 二叉树遍历
+# 7.2. 二叉树遍历
 
 非线性数据结构的遍历操作比线性数据结构更加复杂，往往需要使用搜索算法来实现。常见的二叉树遍历方式有层序遍历、前序遍历、中序遍历、后序遍历。
 
-## 层序遍历
+## 7.2.1. 层序遍历
 
 「层序遍历 Hierarchical-Order Traversal」从顶至底、一层一层地遍历二叉树，并在每层中按照从左到右的顺序访问结点。
 
@@ -208,7 +208,7 @@ comments: true
     }
     ```
 
-## 前序、中序、后序遍历
+## 7.2.2. 前序、中序、后序遍历
 
 相对地，前、中、后序遍历皆属于「深度优先遍历 Depth-First Traversal」，其体现着一种“先走到尽头，再回头继续”的回溯遍历方式。
 

docs/chapter_tree/summary.md

@@ -2,7 +2,7 @@
 comments: true
 ---
 
-# 小结
+# 7.5. 小结
 
 - 二叉树是一种非线性数据结构，代表着“一分为二”的分治逻辑。二叉树的结点包含「值」和两个「指针」，分别指向左子结点和右子结点。
 - 选定二叉树中某结点，将其左（右）子结点以下形成的树称为左（右）子树。