Sync zh and zh-hant versions

zh-hant/codes/c/chapter_hashing/simple_hash.c

@@ -50,7 +50,7 @@ int rotHash(char *key) {
 
 /* Driver Code */
 int main() {
-    char *key = "Hello dsad3241241dsa算123法";
+    char *key = "Hello 演算法";
 
     int hash = addHash(key);
     printf("加法雜湊值為 %d\n", hash);

zh-hant/codes/c/chapter_stack_and_queue/array_stack.c

@@ -90,11 +90,11 @@ int main() {
 
     /* 獲取堆疊的長度 */
     int size = stack->size;
-    printf("堆疊的長度 size =  %d\n", size);
+    printf("堆疊的長度 size = %d\n", size);
 
     /* 判斷是否為空 */
     bool empty = isEmpty(stack);
-    printf("堆疊是否為空 = %stack\n", empty ? "true" : "false");
+    printf("堆疊是否為空 = %s\n", empty ? "true" : "false");
 
     // 釋放記憶體
     delArrayStack(stack);

zh-hant/codes/cpp/chapter_hashing/simple_hash.cpp

@@ -48,7 +48,7 @@ int rotHash(string key) {
 
 /* Driver Code */
 int main() {
-    string key = "Hello dsad3241241dsa算123法";
+    string key = "Hello 演算法";
 
     int hash = addHash(key);
     cout << "加法雜湊值為 " << hash << endl;

zh-hant/codes/javascript/chapter_dynamic_programming/coin_change.js

@@ -31,7 +31,7 @@ function coinChangeDP(coins, amt) {
     return dp[n][amt] !== MAX ? dp[n][amt] : -1;
 }
 
-/* 零錢兌換：狀態壓縮後的動態規劃 */
+/* 零錢兌換：空間最佳化後的動態規劃 */
 function coinChangeDPComp(coins, amt) {
     const n = coins.length;
     const MAX = amt + 1;
@@ -61,6 +61,6 @@ const amt = 4;
 let res = coinChangeDP(coins, amt);
 console.log(`湊到目標金額所需的最少硬幣數量為 ${res}`);
 
-// 狀態壓縮後的動態規劃
+// 空間最佳化後的動態規劃
 res = coinChangeDPComp(coins, amt);
 console.log(`湊到目標金額所需的最少硬幣數量為 ${res}`);

zh-hant/codes/javascript/chapter_dynamic_programming/coin_change_ii.js

@@ -30,7 +30,7 @@ function coinChangeIIDP(coins, amt) {
     return dp[n][amt];
 }
 
-/* 零錢兌換 II：狀態壓縮後的動態規劃 */
+/* 零錢兌換 II：空間最佳化後的動態規劃 */
 function coinChangeIIDPComp(coins, amt) {
     const n = coins.length;
     // 初始化 dp 表
@@ -59,6 +59,6 @@ const amt = 5;
 let res = coinChangeIIDP(coins, amt);
 console.log(`湊出目標金額的硬幣組合數量為 ${res}`);
 
-// 狀態壓縮後的動態規劃
+// 空間最佳化後的動態規劃
 res = coinChangeIIDPComp(coins, amt);
 console.log(`湊出目標金額的硬幣組合數量為 ${res}`);

zh-hant/codes/javascript/chapter_dynamic_programming/edit_distance.js

@@ -82,7 +82,7 @@ function editDistanceDP(s, t) {
     return dp[n][m];
 }
 
-/* 編輯距離：狀態壓縮後的動態規劃 */
+/* 編輯距離：空間最佳化後的動態規劃 */
 function editDistanceDPComp(s, t) {
     const n = s.length,
         m = t.length;
@@ -130,6 +130,6 @@ console.log(`將 ${s} 更改為 ${t} 最少需要編輯 ${res} 步`);
 res = editDistanceDP(s, t);
 console.log(`將 ${s} 更改為 ${t} 最少需要編輯 ${res} 步`);
 
-// 狀態壓縮後的動態規劃
+// 空間最佳化後的動態規劃
 res = editDistanceDPComp(s, t);
 console.log(`將 ${s} 更改為 ${t} 最少需要編輯 ${res} 步`);

zh-hant/codes/javascript/chapter_dynamic_programming/knapsack.js

@@ -69,7 +69,7 @@ function knapsackDP(wgt, val, cap) {
     return dp[n][cap];
 }
 
-/* 0-1 背包：狀態壓縮後的動態規劃 */
+/* 0-1 背包：空間最佳化後的動態規劃 */
 function knapsackDPComp(wgt, val, cap) {
     const n = wgt.length;
     // 初始化 dp 表
@@ -108,6 +108,6 @@ console.log(`不超過背包容量的最大物品價值為 ${res}`);
 res = knapsackDP(wgt, val, cap);
 console.log(`不超過背包容量的最大物品價值為 ${res}`);
 
-// 狀態壓縮後的動態規劃
+// 空間最佳化後的動態規劃
 res = knapsackDPComp(wgt, val, cap);
 console.log(`不超過背包容量的最大物品價值為 ${res}`);

zh-hant/codes/javascript/chapter_dynamic_programming/min_cost_climbing_stairs_dp.js

@@ -22,7 +22,7 @@ function minCostClimbingStairsDP(cost) {
     return dp[n];
 }
 
-/* 爬樓梯最小代價：狀態壓縮後的動態規劃 */
+/* 爬樓梯最小代價：空間最佳化後的動態規劃 */
 function minCostClimbingStairsDPComp(cost) {
     const n = cost.length - 1;
     if (n === 1 || n === 2) {

zh-hant/codes/javascript/chapter_dynamic_programming/min_path_sum.js

@@ -69,7 +69,7 @@ function minPathSumDP(grid) {
     return dp[n - 1][m - 1];
 }
 
-/* 最小路徑和：狀態壓縮後的動態規劃 */
+/* 最小路徑和：空間最佳化後的動態規劃 */
 function minPathSumDPComp(grid) {
     const n = grid.length,
         m = grid[0].length;
@@ -116,6 +116,6 @@ console.log(`從左上角到右下角的最小路徑和為 ${res}`);
 res = minPathSumDP(grid);
 console.log(`從左上角到右下角的最小路徑和為 ${res}`);
 
-// 狀態壓縮後的動態規劃
+// 空間最佳化後的動態規劃
 res = minPathSumDPComp(grid);
 console.log(`從左上角到右下角的最小路徑和為 ${res}`);

zh-hant/codes/javascript/chapter_dynamic_programming/unbounded_knapsack.js

@@ -29,7 +29,7 @@ function unboundedKnapsackDP(wgt, val, cap) {
     return dp[n][cap];
 }
 
-/* 完全背包：狀態壓縮後的動態規劃 */
+/* 完全背包：空間最佳化後的動態規劃 */
 function unboundedKnapsackDPComp(wgt, val, cap) {
     const n = wgt.length;
     // 初始化 dp 表
@@ -58,6 +58,6 @@ const cap = 4;
 let res = unboundedKnapsackDP(wgt, val, cap);
 console.log(`不超過背包容量的最大物品價值為 ${res}`);
 
-// 狀態壓縮後的動態規劃
+// 空間最佳化後的動態規劃
 res = unboundedKnapsackDPComp(wgt, val, cap);
 console.log(`不超過背包容量的最大物品價值為 ${res}`);

zh-hant/codes/ruby/chapter_divide_and_conquer/binary_search_recur.rb

@@ -0,0 +1,42 @@
+=begin
+File: binary_search_recur.rb
+Created Time: 2024-05-13
+Author: Xuan Khoa Tu Nguyen (ngxktuzkai2000@gmail.com)
+=end
+
+### 二分搜尋：問題 f(i, j) ###
+def dfs(nums, target, i, j)
+  # 若區間為空，代表無目標元素，則返回 -1
+  return -1 if i > j
+  
+  # 計算中點索引 m
+  m = (i + j) / 2
+
+  if nums[m] < target
+    # 遞迴子問題 f(m+1, j)
+    return dfs(nums, target, m + 1, j)
+  elsif nums[m] > target
+    # 遞迴子問題 f(i, m-1)
+    return dfs(nums, target, i, m - 1)
+  else
+    # 找到目標元素，返回其索引
+    return m
+  end
+end
+
+### 二分搜尋 ###
+def binary_search(nums, target)
+  n = nums.length
+  # 求解問題 f(0, n-1)
+  dfs(nums, target, 0, n - 1)
+end
+
+### Driver Code ###
+if __FILE__ == $0
+  target = 6
+  nums = [1, 3, 6, 8, 12, 15, 23, 26, 31, 35]
+
+  # 二分搜尋（雙閉區間）
+  index = binary_search(nums, target)
+  puts "目標元素 6 的索引 = #{index}"
+end

zh-hant/codes/ruby/chapter_divide_and_conquer/build_tree.rb

@@ -0,0 +1,46 @@
+=begin
+File: build_tree.rb
+Created Time: 2024-05-13
+Author: Xuan Khoa Tu Nguyen (ngxktuzkai2000@gmail.com)
+=end
+
+require_relative '../utils/tree_node'
+require_relative '../utils/print_util'
+
+### 構建二元樹：分治 ###
+def dfs(preorder, inorder_map, i, l, r)
+  # 子樹區間為空時終止
+  return if r - l < 0
+
+  # 初始化根節點
+  root = TreeNode.new(preorder[i])
+  # 查詢 m ，從而劃分左右子樹
+  m = inorder_map[preorder[i]]
+  # 子問題：構建左子樹
+  root.left = dfs(preorder, inorder_map, i + 1, l, m - 1)
+  # 子問題：構建右子樹
+  root.right = dfs(preorder, inorder_map, i + 1 + m - l, m + 1, r)
+
+  # 返回根節點
+  root
+end
+
+### 構建二元樹 ###
+def build_tree(preorder, inorder)
+  # 初始化雜湊表，儲存 inorder 元素到索引的對映
+  inorder_map = {}
+  inorder.each_with_index { |val, i| inorder_map[val] = i }
+  dfs(preorder, inorder_map, 0, 0, inorder.length - 1)
+end
+
+### Driver Code ###
+if __FILE__ == $0
+  preorder = [3, 9, 2, 1, 7]
+  inorder = [9, 3, 1, 2, 7]
+  puts "前序走訪 = #{preorder}"
+  puts "中序走訪 = #{inorder}"
+
+  root = build_tree(preorder, inorder)
+  puts "構建的二元樹為："
+  print_tree(root)
+end

zh-hant/codes/ruby/chapter_divide_and_conquer/hanota.rb

@@ -0,0 +1,55 @@
+=begin
+File: hanota.rb
+Created Time: 2024-05-13
+Author: Xuan Khoa Tu Nguyen (ngxktuzkai2000@gmail.com)
+=end
+
+### 移動一個圓盤 ###
+def move(src, tar)
+  # 從 src 頂部拿出一個圓盤
+  pan = src.pop
+  # 將圓盤放入 tar 頂部
+  tar << pan
+end
+
+### 求解河內塔問題 f(i) ###
+def dfs(i, src, buf, tar)
+  # 若 src 只剩下一個圓盤，則直接將其移到 tar
+  if i == 1
+    move(src, tar)
+    return
+  end
+
+  # 子問題 f(i-1) ：將 src 頂部 i-1 個圓盤藉助 tar 移到 buf
+  dfs(i - 1, src, tar, buf)
+  # 子問題 f(1) ：將 src 剩餘一個圓盤移到 tar
+  move(src, tar)
+  # 子問題 f(i-1) ：將 buf 頂部 i-1 個圓盤藉助 src 移到 tar
+  dfs(i - 1, buf, src, tar)
+end
+
+### 求解河內塔問題 ###
+def solve_hanota(_A, _B, _C)
+  n = _A.length
+  # 將 A 頂部 n 個圓盤藉助 B 移到 C
+  dfs(n, _A, _B, _C)
+end
+
+### Driver Code ###
+if __FILE__ == $0
+  # 串列尾部是柱子頂部
+  A = [5, 4, 3, 2, 1]
+  B = []
+  C = []
+  puts "初始狀態下："
+  puts "A = #{A}"
+  puts "B = #{B}"
+  puts "C = #{C}"
+
+  solve_hanota(A, B, C)
+
+  puts "圓盤移動完成後："
+  puts "A = #{A}"
+  puts "B = #{B}"
+  puts "C = #{C}"
+end

zh-hant/codes/ruby/chapter_greedy/coin_change_greedy.rb

@@ -0,0 +1,50 @@
+=begin
+File: coin_change_greedy.rb
+Created Time: 2024-05-07
+Author: Xuan Khoa Tu Nguyen (ngxktuzkai2000@gmail.com)
+=end
+
+### 零錢兌換：貪婪 ###
+def coin_change_greedy(coins, amt)
+  # 假設 coins 串列有序
+  i = coins.length - 1
+  count = 0
+  # 迴圈進行貪婪選擇，直到無剩餘金額
+  while amt > 0
+    # 找到小於且最接近剩餘金額的硬幣
+    while i > 0 && coins[i] > amt
+      i -= 1
+    end
+    # 選擇 coins[i]
+    amt -= coins[i]
+    count += 1
+  end
+  # 若未找到可行方案， 則返回 -1
+  amt == 0 ? count : -1
+end
+
+### Driver Code ###
+if __FILE__ == $0
+  # 貪婪：能夠保證找到全域性最優解
+  coins = [1, 5, 10, 20, 50, 100]
+  amt = 186
+  res = coin_change_greedy(coins, amt)
+  puts "\ncoins = #{coins}, amt = #{amt}"
+  puts "湊到 #{amt} 所需的最少硬幣數量為 #{res}"
+
+  # 貪婪：無法保證找到全域性最優解
+  coins = [1, 20, 50]
+  amt = 60
+  res = coin_change_greedy(coins, amt)
+  puts "\ncoins = #{coins}, amt = #{amt}"
+  puts "湊到 #{amt} 所需的最少硬幣數量為 #{res}"
+  puts "實際上需要的最少數量為 3 , 即 20 + 20 + 20"
+
+  # 貪婪：無法保證找到全域性最優解
+  coins = [1, 49, 50]
+  amt = 98
+  res = coin_change_greedy(coins, amt)
+  puts "\ncoins = #{coins}, amt = #{amt}"
+  puts "湊到 #{amt} 所需的最少硬幣數量為 #{res}"
+  puts "實際上需要的最少數量為 2 , 即 49 + 49"
+end

zh-hant/codes/ruby/chapter_greedy/fractional_knapsack.rb

@@ -0,0 +1,51 @@
+=begin
+File: fractional_knapsack.rb
+Created Time: 2024-05-07
+Author: Xuan Khoa Tu Nguyen (ngxktuzkai2000@gmail.com)
+=end
+
+### 物品 ###
+class Item
+  attr_accessor :w # 物品重量
+  attr_accessor :v # 物品價值
+
+  def initialize(w, v)
+    @w = w
+    @v = v
+  end
+end
+
+### 分數背包：貪婪 ###
+def fractional_knapsack(wgt, val, cap)
+  # 建立物品串列，包含兩個屬性：重量，價值
+  items = wgt.each_with_index.map { |w, i| Item.new(w, val[i]) }
+  # 按照單位價值 item.v / item.w 從高到低進行排序
+  items.sort! { |a, b| (b.v.to_f / b.w) <=> (a.v.to_f / a.w) }
+  # 迴圈貪婪選擇
+  res = 0
+  for item in items
+    if item.w <= cap
+      # 若剩餘容量充足，則將當前物品整個裝進背包
+      res += item.v
+      cap -= item.w
+    else
+      # 若剩餘容量不足，則將當前物品的一部分裝進背包
+      res += (item.v.to_f / item.w) * cap
+      # 已無剩餘容量，因此跳出迴圈
+      break
+    end
+  end
+  res
+end
+
+### Driver Code ###
+if __FILE__ == $0
+  wgt = [10, 20, 30, 40, 50]
+  val = [50, 120, 150, 210, 240]
+  cap = 50
+  n = wgt.length
+
+  # 貪婪演算法
+  res = fractional_knapsack(wgt, val, cap)
+  puts "不超過背包容量的最大物品價值為 #{res}"
+end

zh-hant/codes/ruby/chapter_greedy/max_capacity.rb

@@ -0,0 +1,37 @@
+=begin
+File: max_capacity.rb
+Created Time: 2024-05-07
+Author: Xuan Khoa Tu Nguyen (ngxktuzkai2000@gmail.com)
+=end
+
+### 最大容量：貪婪 ###
+def max_capacity(ht)
+  # 初始化 i, j，使其分列陣列兩端
+  i, j = 0, ht.length - 1
+  # 初始最大容量為 0
+  res = 0
+
+  # 迴圈貪婪選擇，直至兩板相遇
+  while i < j
+    # 更新最大容量
+    cap = [ht[i], ht[j]].min * (j - i)
+    res = [res, cap].max
+    # 向內移動短板
+    if ht[i] < ht[j]
+      i += 1
+    else
+      j -= 1
+    end
+  end
+
+  res
+end
+
+### Driver Code ###
+if __FILE__ == $0
+  ht = [3, 8, 5, 2, 7, 7, 3, 4]
+
+  # 貪婪演算法
+  res = max_capacity(ht)
+  puts "最大容量為 #{res}"
+end

zh-hant/codes/ruby/chapter_greedy/max_product_cutting.rb

@@ -0,0 +1,28 @@
+=begin
+File: max_product_cutting.rb
+Created Time: 2024-05-07
+Author: Xuan Khoa Tu Nguyen (ngxktuzkai2000@gmail.com)
+=end
+
+### 最大切分乘積：貪婪 ###
+def max_product_cutting(n)
+  # 當 n <= 3 時，必須切分出一個 1
+  return 1 * (n - 1) if n <= 3
+  # 貪婪地切分出 3 ，a 為 3 的個數，b 為餘數
+  a, b = n / 3, n % 3
+  # 當餘數為 1 時，將一對 1 * 3 轉化為 2 * 2
+  return (3.pow(a - 1) * 2 * 2).to_i if b == 1
+  # 當餘數為 2 時，不做處理
+  return (3.pow(a) * 2).to_i if b == 2
+  # 當餘數為 0 時，不做處理
+  3.pow(a).to_i
+end
+
+### Driver Code ###
+if __FILE__ == $0
+  n = 58
+
+  # 貪婪演算法
+  res = max_product_cutting(n)
+  puts "最大切分乘積為 #{res}"
+end

zh-hant/codes/rust/chapter_array_and_linkedlist/array.rs

@@ -77,9 +77,9 @@ fn main() {
     let slice: &[i32] = &[0; 5];
     print!("陣列 arr = ");
     print_util::print_array(&arr);
-    // 在 Rust 中，指定長度时（[i32; 5]）爲陣列，不指定長度時（&[i32]）爲切片
+    // 在 Rust 中，指定長度時（[i32; 5]）為陣列，不指定長度時（&[i32]）為切片
     // 由於 Rust 的陣列被設計為在編譯期確定長度，因此只能使用常數來指定長度
-    // Vector 是 Rust 一般情況下用作動態陣列的類型
+    // Vector 是 Rust 一般情況下用作動態陣列的型別
     // 為了方便實現擴容 extend() 方法，以下將 vector 看作陣列（array）
     let nums: Vec<i32> = vec![1, 3, 2, 5, 4];
     print!("\n陣列 nums = ");

zh-hant/codes/rust/chapter_divide_and_conquer/hanota.rs

@@ -9,7 +9,7 @@
 /* 移動一個圓盤 */
 fn move_pan(src: &mut Vec<i32>, tar: &mut Vec<i32>) {
     // 從 src 頂部拿出一個圓盤
-    let pan = src.remove(src.len() - 1);
+    let pan = src.pop().unwrap();
     // 將圓盤放入 tar 頂部
     tar.push(pan);
 }

zh-hant/codes/rust/chapter_sorting/bubble_sort.rs

@@ -14,9 +14,7 @@ fn bubble_sort(nums: &mut [i32]) {
         for j in 0..i {
             if nums[j] > nums[j + 1] {
                 // 交換 nums[j] 與 nums[j + 1]
-                let tmp = nums[j];
-                nums[j] = nums[j + 1];
-                nums[j + 1] = tmp;
+                nums.swap(j, j + 1);
             }
         }
     }
@@ -31,9 +29,7 @@ fn bubble_sort_with_flag(nums: &mut [i32]) {
         for j in 0..i {
             if nums[j] > nums[j + 1] {
                 // 交換 nums[j] 與 nums[j + 1]
-                let tmp = nums[j];
-                nums[j] = nums[j + 1];
-                nums[j + 1] = tmp;
+                nums.swap(j, j + 1);
                 flag = true; // 記錄交換元素
             }
         }

zh-hant/codes/rust/chapter_sorting/bucket_sort.rs

@@ -12,7 +12,7 @@ fn bucket_sort(nums: &mut [f64]) {
     let k = nums.len() / 2;
     let mut buckets = vec![vec![]; k];
     // 1. 將陣列元素分配到各個桶中
-    for &mut num in &mut *nums {
+    for &num in nums.iter() {
         // 輸入資料範圍為 [0, 1)，使用 num * k 對映到索引範圍 [0, k-1]
         let i = (num * k as f64) as usize;
         // 將 num 新增進桶 i
@@ -25,8 +25,8 @@ fn bucket_sort(nums: &mut [f64]) {
     }
     // 3. 走訪桶合併結果
     let mut i = 0;
-    for bucket in &mut buckets {
-        for &mut num in bucket {
+    for bucket in buckets.iter() {
+        for &num in bucket.iter() {
             nums[i] = num;
             i += 1;
         }

zh-hant/codes/rust/chapter_sorting/counting_sort.rs

@@ -10,11 +10,11 @@ include!("../include/include.rs");
 // 簡單實現，無法用於排序物件
 fn counting_sort_naive(nums: &mut [i32]) {
     // 1. 統計陣列最大元素 m
-    let m = *nums.into_iter().max().unwrap();
+    let m = *nums.iter().max().unwrap();
     // 2. 統計各數字的出現次數
     // counter[num] 代表 num 的出現次數
     let mut counter = vec![0; m as usize + 1];
-    for &num in &*nums {
+    for &num in nums.iter() {
         counter[num as usize] += 1;
     }
     // 3. 走訪 counter ，將各元素填入原陣列 nums
@@ -31,16 +31,16 @@ fn counting_sort_naive(nums: &mut [i32]) {
 // 完整實現，可排序物件，並且是穩定排序
 fn counting_sort(nums: &mut [i32]) {
     // 1. 統計陣列最大元素 m
-    let m = *nums.into_iter().max().unwrap();
+    let m = *nums.iter().max().unwrap() as usize;
     // 2. 統計各數字的出現次數
     // counter[num] 代表 num 的出現次數
-    let mut counter = vec![0; m as usize + 1];
-    for &num in &*nums {
+    let mut counter = vec![0; m + 1];
+    for &num in nums.iter() {
         counter[num as usize] += 1;
     }
     // 3. 求 counter 的前綴和，將“出現次數”轉換為“尾索引”
     // 即 counter[num]-1 是 num 在 res 中最後一次出現的索引
-    for i in 0..m as usize {
+    for i in 0..m {
         counter[i + 1] += counter[i];
     }
     // 4. 倒序走訪 nums ，將各元素填入結果陣列 res
@@ -53,9 +53,7 @@ fn counting_sort(nums: &mut [i32]) {
         counter[num as usize] -= 1; // 令前綴和自減 1 ，得到下次放置 num 的索引
     }
     // 使用結果陣列 res 覆蓋原陣列 nums
-    for i in 0..n {
-        nums[i] = res[i];
-    }
+    nums.copy_from_slice(&res)
 }
 
 /* Driver Code */

zh-hant/codes/rust/chapter_sorting/heap_sort.rs

@@ -24,9 +24,7 @@ fn sift_down(nums: &mut [i32], n: usize, mut i: usize) {
             break;
         }
         // 交換兩節點
-        let temp = nums[i];
-        nums[i] = nums[ma];
-        nums[ma] = temp;
+        nums.swap(i, ma);
         // 迴圈向下堆積化
         i = ma;
     }
@@ -35,15 +33,13 @@ fn sift_down(nums: &mut [i32], n: usize, mut i: usize) {
 /* 堆積排序 */
 fn heap_sort(nums: &mut [i32]) {
     // 建堆積操作：堆積化除葉節點以外的其他所有節點
-    for i in (0..=nums.len() / 2 - 1).rev() {
+    for i in (0..nums.len() / 2).rev() {
         sift_down(nums, nums.len(), i);
     }
     // 從堆積中提取最大元素，迴圈 n-1 輪
-    for i in (1..=nums.len() - 1).rev() {
+    for i in (1..nums.len()).rev() {
         // 交換根節點與最右葉節點（交換首元素與尾元素）
-        let tmp = nums[0];
-        nums[0] = nums[i];
-        nums[i] = tmp;
+        nums.swap(0, i);
         // 以根節點為起點，從頂至底進行堆積化
         sift_down(nums, i, 0);
     }

zh-hant/codes/rust/include/vertex.rs

@@ -7,7 +7,7 @@
 /* 頂點型別 */
 #[derive(Copy, Clone, Hash, PartialEq, Eq)]
 pub struct Vertex {
-    pub val: i32
+    pub val: i32,
 }
 
 /* 輸入值串列 vals ，返回頂點串列 vets */
@@ -18,4 +18,4 @@ pub fn vals_to_vets(vals: Vec<i32>) -> Vec<Vertex> {
 /* 輸入頂點串列 vets ，返回值串列 vals */
 pub fn vets_to_vals(vets: Vec<Vertex>) -> Vec<i32> {
     vets.into_iter().map(|vet| vet.val).collect()
-}
+}

zh-hant/codes/typescript/chapter_dynamic_programming/coin_change.ts

@@ -31,7 +31,7 @@ function coinChangeDP(coins: Array<number>, amt: number): number {
     return dp[n][amt] !== MAX ? dp[n][amt] : -1;
 }
 
-/* 零錢兌換：狀態壓縮後的動態規劃 */
+/* 零錢兌換：空間最佳化後的動態規劃 */
 function coinChangeDPComp(coins: Array<number>, amt: number): number {
     const n = coins.length;
     const MAX = amt + 1;
@@ -61,7 +61,7 @@ const amt = 4;
 let res = coinChangeDP(coins, amt);
 console.log(`湊到目標金額所需的最少硬幣數量為 ${res}`);
 
-// 狀態壓縮後的動態規劃
+// 空間最佳化後的動態規劃
 res = coinChangeDPComp(coins, amt);
 console.log(`湊到目標金額所需的最少硬幣數量為 ${res}`);
 

zh-hant/codes/typescript/chapter_dynamic_programming/coin_change_ii.ts

@@ -30,7 +30,7 @@ function coinChangeIIDP(coins: Array<number>, amt: number): number {
     return dp[n][amt];
 }
 
-/* 零錢兌換 II：狀態壓縮後的動態規劃 */
+/* 零錢兌換 II：空間最佳化後的動態規劃 */
 function coinChangeIIDPComp(coins: Array<number>, amt: number): number {
     const n = coins.length;
     // 初始化 dp 表
@@ -59,7 +59,7 @@ const amt = 5;
 let res = coinChangeIIDP(coins, amt);
 console.log(`湊出目標金額的硬幣組合數量為 ${res}`);
 
-// 狀態壓縮後的動態規劃
+// 空間最佳化後的動態規劃
 res = coinChangeIIDPComp(coins, amt);
 console.log(`湊出目標金額的硬幣組合數量為 ${res}`);
 

zh-hant/codes/typescript/chapter_dynamic_programming/edit_distance.ts

@@ -90,7 +90,7 @@ function editDistanceDP(s: string, t: string): number {
     return dp[n][m];
 }
 
-/* 編輯距離：狀態壓縮後的動態規劃 */
+/* 編輯距離：空間最佳化後的動態規劃 */
 function editDistanceDPComp(s: string, t: string): number {
     const n = s.length,
         m = t.length;
@@ -141,7 +141,7 @@ console.log(`將 ${s} 更改為 ${t} 最少需要編輯 ${res} 步`);
 res = editDistanceDP(s, t);
 console.log(`將 ${s} 更改為 ${t} 最少需要編輯 ${res} 步`);
 
-// 狀態壓縮後的動態規劃
+// 空間最佳化後的動態規劃
 res = editDistanceDPComp(s, t);
 console.log(`將 ${s} 更改為 ${t} 最少需要編輯 ${res} 步`);
 

zh-hant/codes/typescript/chapter_dynamic_programming/knapsack.ts

@@ -84,7 +84,7 @@ function knapsackDP(
     return dp[n][cap];
 }
 
-/* 0-1 背包：狀態壓縮後的動態規劃 */
+/* 0-1 背包：空間最佳化後的動態規劃 */
 function knapsackDPComp(
     wgt: Array<number>,
     val: Array<number>,
@@ -127,7 +127,7 @@ console.log(`不超過背包容量的最大物品價值為 ${res}`);
 res = knapsackDP(wgt, val, cap);
 console.log(`不超過背包容量的最大物品價值為 ${res}`);
 
-// 狀態壓縮後的動態規劃
+// 空間最佳化後的動態規劃
 res = knapsackDPComp(wgt, val, cap);
 console.log(`不超過背包容量的最大物品價值為 ${res}`);
 

zh-hant/codes/typescript/chapter_dynamic_programming/min_cost_climbing_stairs_dp.ts

@@ -22,7 +22,7 @@ function minCostClimbingStairsDP(cost: Array<number>): number {
     return dp[n];
 }
 
-/* 爬樓梯最小代價：狀態壓縮後的動態規劃 */
+/* 爬樓梯最小代價：空間最佳化後的動態規劃 */
 function minCostClimbingStairsDPComp(cost: Array<number>): number {
     const n = cost.length - 1;
     if (n === 1 || n === 2) {

zh-hant/codes/typescript/chapter_dynamic_programming/min_path_sum.ts

@@ -78,7 +78,7 @@ function minPathSumDP(grid: Array<Array<number>>): number {
     return dp[n - 1][m - 1];
 }
 
-/* 最小路徑和：狀態壓縮後的動態規劃 */
+/* 最小路徑和：空間最佳化後的動態規劃 */
 function minPathSumDPComp(grid: Array<Array<number>>): number {
     const n = grid.length,
         m = grid[0].length;
@@ -125,7 +125,7 @@ console.log(`從左上角到右下角的最小路徑和為 ${res}`);
 res = minPathSumDP(grid);
 console.log(`從左上角到右下角的最小路徑和為 ${res}`);
 
-// 狀態壓縮後的動態規劃
+// 空間最佳化後的動態規劃
 res = minPathSumDPComp(grid);
 console.log(`從左上角到右下角的最小路徑和為 ${res}`);
 

zh-hant/codes/typescript/chapter_dynamic_programming/unbounded_knapsack.ts

@@ -33,7 +33,7 @@ function unboundedKnapsackDP(
     return dp[n][cap];
 }
 
-/* 完全背包：狀態壓縮後的動態規劃 */
+/* 完全背包：空間最佳化後的動態規劃 */
 function unboundedKnapsackDPComp(
     wgt: Array<number>,
     val: Array<number>,
@@ -66,7 +66,7 @@ const cap = 4;
 let res = unboundedKnapsackDP(wgt, val, cap);
 console.log(`不超過背包容量的最大物品價值為 ${res}`);
 
-// 狀態壓縮後的動態規劃
+// 空間最佳化後的動態規劃
 res = unboundedKnapsackDPComp(wgt, val, cap);
 console.log(`不超過背包容量的最大物品價值為 ${res}`);
 

zh-hant/docs/chapter_array_and_linkedlist/array.md

@@ -95,9 +95,9 @@
     /* 初始化陣列 */
     let arr: [i32; 5] = [0; 5]; // [0, 0, 0, 0, 0]
     let slice: &[i32] = &[0; 5];
-    // 在 Rust 中，指定長度时（[i32; 5]）爲陣列，不指定長度時（&[i32]）爲切片
+    // 在 Rust 中，指定長度時（[i32; 5]）為陣列，不指定長度時（&[i32]）為切片
     // 由於 Rust 的陣列被設計為在編譯期確定長度，因此只能使用常數來指定長度
-    // Vector 是 Rust 一般情況下用作動態陣列的類型
+    // Vector 是 Rust 一般情況下用作動態陣列的型別
     // 為了方便實現擴容 extend() 方法，以下將 vector 看作陣列（array）
     let nums: Vec<i32> = vec![1, 3, 2, 5, 4];
     ```

zh-hant/docs/chapter_array_and_linkedlist/summary.md

@@ -73,4 +73,4 @@
 
 **Q**：初始化串列 `res = [0] * self.size()` 操作，會導致 `res` 的每個元素引用相同的位址嗎？
 
-不會。但二維陣列會有這個問題，例如初始化二維串列 `res = [[0] * self.size()]` ，則多次引用了同一個串列 `[0]` 。
+不會。但二維陣列會有這個問題，例如初始化二維串列 `res = [[0]] * self.size()` ，則多次引用了同一個串列 `[0]` 。

zh-hant/docs/chapter_heap/heap.md

@@ -533,6 +533,6 @@
 
 ## 堆積的常見應用
 
-- **優先佇列**：堆積通常作為實現優先佇列的首選資料結構，其入列和出列操作的時間複雜度均為 $O(\log n)$ ，而建隊操作為 $O(n)$ ，這些操作都非常高效。
+- **優先佇列**：堆積通常作為實現優先佇列的首選資料結構，其入列和出列操作的時間複雜度均為 $O(\log n)$ ，而建堆積操作為 $O(n)$ ，這些操作都非常高效。
 - **堆積排序**：給定一組資料，我們可以用它們建立一個堆積，然後不斷地執行元素出堆積操作，從而得到有序資料。然而，我們通常會使用一種更優雅的方式實現堆積排序，詳見“堆積排序”章節。
 - **獲取最大的 $k$ 個元素**：這是一個經典的演算法問題，同時也是一種典型應用，例如選擇熱度前 10 的新聞作為微博熱搜，選取銷量前 10 的商品等。

zh-hant/docs/chapter_introduction/what_is_dsa.md

@@ -10,7 +10,7 @@
 
 ## 資料結構定義
 
-<u>資料結構（data structure）</u>是計算機中組織和儲存資料的方式，具有以下設計目標。
+<u>資料結構（data structure）</u>是組織和儲存資料的方式，涵蓋資料內容、資料之間關係和資料操作方法，它具有以下設計目標。
 
 - 空間佔用儘量少，以節省計算機記憶體。
 - 資料操作儘可能快速，涵蓋資料訪問、新增、刪除、更新等。