init

.dockerignore

@@ -0,0 +1,8 @@
+.vscode/
+.idea/
+.git
+.DS_Store
+.gitignore
+_book/
+node_modules/
+package-lock.json

.gitignore

@@ -1 +1,6 @@
-.idea/*
+_book/
+node_modules/
+.vscode/
+.idea/
+.DS_Store
+package-lock.json

Dockerfile

@@ -0,0 +1,9 @@
+FROM hunterhug/gitbook:latest AS gitbookk
+WORKDIR /srv/gitbook
+COPY . /srv/gitbook/
+RUN gitbook build .  --log=debug --debug
+
+## main build
+FROM nginx:1.15 AS prod
+WORKDIR /usr/share/nginx/html
+COPY --from=gitbookk  /srv/gitbook/_book /usr/share/nginx/html

README.md

@@ -1,88 +1,45 @@
-# GoAlgorithm
-
-# 前言
-
-Golang是谷歌推出的一门静态开发语言， 此仓库尝试Go实现各种数据结构和算法.见算法[可视化](https://www.cs.usfca.edu/~galles/visualization/Algorithms.html)
-
-算法示例：
-
-```
---sort
-----quicksort 快速排序
-
---heaplike
-----heaps 最小堆
-----leftist 左偏树
-
---other
-----mala 马拉松算法（最长回文子串）
-```
-
-## 排序
-
-### 快速排序
-
-```
-1. 定义
-快速排序由C. A. R. Hoare在1962年提出。快速排序是对冒泡排序的一种改进，采用了一种分治的策略。
-
-2. 基本思想
-通过一趟排序将要排序的数据分割成独立的两部分，其中一部分的所有数据都比另外一部分的所有数据都要小，然后再按此方法对这两部分数据分别进行快速排序，整个排序过程可以递归进行，以此达到整个数据变成有序序列。
-
-3. 步骤
-a. 先从数列中取出一个数作为基准数。
-b. 分区过程，将比这个数大的数全放到它的右边，小于或等于它的数全放到它的左边。
-c. 再对左右区间重复第二步，直到各区间只有一个数。
-```
-
-### 堆排序
-
-使用优先队列-最小/最大堆可实现。
-
-## 优先队列
-
-优先队列是一种能完成以下任务的队列：插入一个数值，取出最小的数值（获取数值，并且删除）。优先队列可以用二叉树来实现，我们称这种为二叉堆。
-
-### 最小堆
-
-最小堆是二叉堆的一种，是一颗完全二叉树（一种平衡树）， 其特点是父节点的键值总是小于或者等于子节点。
-
-```
-实现细节(两个操作)：
-
-push：向堆中插入数据时，首先在堆的末尾插入数据，然后不断向上提升，直到没有大小颠倒时。
-pop：从堆中删除最小值时首先把最后一个值复制到根节点上，并且删除最后一个数值。然后不断向下交换， 直到没有大小颠倒为止。在向下交换过程中，如果有两个子儿子都小于自己，就选择较小的
-
-插入时间复杂度O(logN)，删除时间复杂度O(logN)，两个二叉堆合并时间复杂性O(NlogN).
-```
-
-最大堆同理。可用此结构实现堆排序算法。
-
-## 左偏树
-
-最小堆/最大堆如果两个堆进行合并，时间复杂度较高，左偏树是可合并的二叉堆，首先满足所有的堆的性质，其外，各种操作时间复杂度都是O(logN)。
-
-```
-左偏树的树节点需要保存的信息有：
-
-1.左右子树节点编号
-2.此节点到有空子结点的最短距离len(空子节点的节点，就是子节点数不足2个的节点)
-3.自身权值
-
-
-左偏就是每个节点的左子节点的len不小于右子节点的len（但并不代表左子节点数一定不小于右子节点数），那么可知左偏树中一个节点的距离就是右儿子距离+1（或没有右儿子），且左右子树都是左偏树。
-
-合并树A和树B的操作方法如下： 
-
-1.如果A或B有一个是空树，返回另一个。 
-2.如果A的优先级比B低，交换A,B。(确保左堆根节点小于右堆根节点) 
-3.递归处理，将B和A的右子树合并。(B,Right(A)递归处理) 
-4.如果合并过后A的右儿子距离大于A的左儿子，交换A的左右儿子。(确保左儿子距离大于右儿子) 
-5.更新A的距离。
-```
-
-左偏树合并操作合并的是两棵左偏树，对于堆的插入，就是合并一棵树和一个节点，对于堆的删除，就是合并根的两棵子树。
-
-## 最长回文子串
-
-使用马拉松算法，进行巧妙地计算，得到回文子串。
+# 算法分析：Golang实现
+
+## 前言
+
+数据结构和算法在计算机科学里，有非常重要的地位。此仓库尝试使用 Golang 来实现各种数据结构和算法，并且进行分析。
+
+中文版为该仓库，英文版请见分支 `en`。
+
+## 目录
+
+* [目录](README.md)
+* [基础知识](basic/README.md)
+    * [复杂度及渐进符号](basic/dregee.md)
+    * [复杂度主方法](basic/master_method.md)
+* [常见数据结构及算法](basic/README.md)
+    * [栈和队列](algorithm/stack_queues.md)
+    * [排序算法](algorithm/sort.md)
+        * [冒泡排序](algorithm/sort/bubble_sort.md)
+        * [选择排序](algorithm/sort/select_sort.md)
+        * [插入排序](algorithm/sort/insert_sort.md)
+        * [希尔排序](algorithm/sort/shell_sort.md)
+        * [归并排序](algorithm/sort/merge_sort.md)
+        * [快速排序](algorithm/sort/quick_sort.md)
+        * [优先队列及堆排序](algorithm/heaplike/heaps.md)
+    * [查找算法](algorithm/search.md)
+        * [散列查找：拉链法](algorithm/search/hash_find.md)
+        * [树及二叉查找树](algorithm/search/bs_tree.md)
+        * [AVL树和红黑树](algorithm/search/avl_rb_tree.md)
+        * [B树及B+树](algorithm/search/b_tree.md)
+    * [图算法](algorithm/graph.md)
+        * [深度搜索和广度搜索](algorithm/graph/search.md)
+        * [求点到点最短路径：Dijkstra算法](algorithm/graph/dijkstra.md)
+        * [求全部点最短路径：Floyd算法](algorithm/graph/floyd.md)
+        * [最小生成树:Prim和Kruskal算法](algorithm/graph/minicost_span_tree.md)
+    * [不常见算法](algorithm/other.md)
+        * [堆合并：左偏树](algorithm/heaplike/leftist.md)
+* [编程智商题](acm/README.md)
+    * [求最长回文子串](acm/mala.md)
+    * [回溯法：八皇后](acm/queen.md)
+* [文档部署](doc/install.md)
+* [参考](basic/refer.md)
+
+## 作者寄语
+
+学而不思则罔，思而不学则殆。

SUMMARY.md

@@ -0,0 +1,34 @@
+# Summary
+
+* [目录](README.md)
+* [基础知识](basic/README.md)
+    * [复杂度及渐进符号](basic/dregee.md)
+    * [复杂度主方法](basic/master_method.md)
+* [常见数据结构及算法](basic/README.md)
+    * [栈和队列](algorithm/stack_queues.md)
+    * [排序算法](algorithm/sort.md)
+        * [冒泡排序](algorithm/sort/bubble_sort.md)
+        * [选择排序](algorithm/sort/select_sort.md)
+        * [插入排序](algorithm/sort/insert_sort.md)
+        * [希尔排序](algorithm/sort/shell_sort.md)
+        * [归并排序](algorithm/sort/merge_sort.md)
+        * [快速排序](algorithm/sort/quick_sort.md)
+        * [优先队列及堆排序](algorithm/heaplike/heaps.md)
+    * [查找算法](algorithm/search.md)
+        * [散列查找：拉链法](algorithm/search/hash_find.md)
+        * [树及二叉查找树](algorithm/search/bs_tree.md)
+        * [AVL树和红黑树](algorithm/search/avl_rb_tree.md)
+        * [B树及B+树](algorithm/search/b_tree.md)
+    * [图算法](algorithm/graph.md)
+        * [深度搜索和广度搜索](algorithm/graph/search.md)
+        * [求点到点最短路径：Dijkstra算法](algorithm/graph/dijkstra.md)
+        * [求全部点最短路径：Floyd算法](algorithm/graph/floyd.md)
+        * [最小生成树:Prim和Kruskal算法](algorithm/graph/minicost_span_tree.md)
+    * [不常见算法](algorithm/other.md)
+        * [堆合并：左偏树](algorithm/heaplike/leftist.md)
+* [编程智商题](acm/README.md)
+    * [求最长回文子串](acm/mala.md)
+    * [回溯法：八皇后](acm/queen.md)
+* [文档部署](doc/install.md)
+* [参考](basic/refer.md)
+

acm/README.md

@@ -0,0 +1,2 @@
+# 编程智商题
+

acm/mala.md

@@ -0,0 +1,3 @@
+# 最长回文子串
+
+使用马拉松算法，进行巧妙地计算，得到回文子串。

acm/queen.md

@@ -0,0 +1,2 @@
+# 回溯法：八皇后
+

algorithm/graph.md

@@ -0,0 +1,2 @@
+# 图算法
+

algorithm/graph/dijkstra.md

@@ -0,0 +1,2 @@
+# 求点到点最短路径：Dijkstra算法
+

algorithm/graph/floyd.md

@@ -0,0 +1,2 @@
+# 求全部点最短路径：Floyd算法
+

algorithm/graph/minicost_span_tree.md

@@ -0,0 +1,2 @@
+# 最小生成树:Prim和Kruskal算法
+

algorithm/graph/search.md

@@ -0,0 +1,2 @@
+# 深度搜索和广度搜索
+

algorithm/heaplike/heaps.md

@@ -0,0 +1,22 @@
+# 堆排序
+
+使用优先队列-最小/最大堆可实现。
+
+## 优先队列
+
+优先队列是一种能完成以下任务的队列：插入一个数值，取出最小的数值（获取数值，并且删除）。优先队列可以用二叉树来实现，我们称这种为二叉堆。
+
+### 最小堆
+
+最小堆是二叉堆的一种，是一颗完全二叉树（一种平衡树）， 其特点是父节点的键值总是小于或者等于子节点。
+
+```
+实现细节(两个操作)：
+
+push：向堆中插入数据时，首先在堆的末尾插入数据，然后不断向上提升，直到没有大小颠倒时。
+pop：从堆中删除最小值时首先把最后一个值复制到根节点上，并且删除最后一个数值。然后不断向下交换， 直到没有大小颠倒为止。在向下交换过程中，如果有两个子儿子都小于自己，就选择较小的
+
+插入时间复杂度O(logN)，删除时间复杂度O(logN)，两个二叉堆合并时间复杂性O(NlogN).
+```
+
+最大堆同理。可用此结构实现堆排序算法。

algorithm/heaplike/leftist.md

@@ -0,0 +1,24 @@
+# 左偏树
+
+最小堆/最大堆如果两个堆进行合并，时间复杂度较高，左偏树是可合并的二叉堆，首先满足所有的堆的性质，其外，各种操作时间复杂度都是O(logN)。
+
+```
+左偏树的树节点需要保存的信息有：
+
+1.左右子树节点编号
+2.此节点到有空子结点的最短距离len(空子节点的节点，就是子节点数不足2个的节点)
+3.自身权值
+
+
+左偏就是每个节点的左子节点的len不小于右子节点的len（但并不代表左子节点数一定不小于右子节点数），那么可知左偏树中一个节点的距离就是右儿子距离+1（或没有右儿子），且左右子树都是左偏树。
+
+合并树A和树B的操作方法如下： 
+
+1.如果A或B有一个是空树，返回另一个。 
+2.如果A的优先级比B低，交换A,B。(确保左堆根节点小于右堆根节点) 
+3.递归处理，将B和A的右子树合并。(B,Right(A)递归处理) 
+4.如果合并过后A的右儿子距离大于A的左儿子，交换A的左右儿子。(确保左儿子距离大于右儿子) 
+5.更新A的距离。
+```
+
+左偏树合并操作合并的是两棵左偏树，对于堆的插入，就是合并一棵树和一个节点，对于堆的删除，就是合并根的两棵子树。

algorithm/other.md

@@ -0,0 +1,2 @@
+# 不常见算法
+

algorithm/search.md

@@ -0,0 +1,2 @@
+# 查找算法
+

algorithm/search/avl_rb_tree.md

@@ -0,0 +1,2 @@
+# AVL树和红黑树
+

algorithm/search/b_tree.md

@@ -0,0 +1,2 @@
+# B树及B+树
+

algorithm/search/bs_tree.md

@@ -0,0 +1,2 @@
+# 树及二叉查找树
+

algorithm/search/hash_find.md

@@ -0,0 +1,2 @@
+# 散列查找：拉链法
+

algorithm/sort.md

@@ -0,0 +1,2 @@
+# 排序算法
+

algorithm/sort/bubble_sort.md

@@ -0,0 +1,2 @@
+# 冒泡排序
+

algorithm/sort/insert_sort.md

@@ -0,0 +1,2 @@
+# 插入排序
+

algorithm/sort/merge_sort.md

@@ -0,0 +1,2 @@
+# 归并排序
+

algorithm/sort/quick_sort.md

@@ -0,0 +1,14 @@
+# 快速排序
+
+```
+1. 定义
+快速排序由C. A. R. Hoare在1962年提出。快速排序是对冒泡排序的一种改进，采用了一种分治的策略。
+
+2. 基本思想
+通过一趟排序将要排序的数据分割成独立的两部分，其中一部分的所有数据都比另外一部分的所有数据都要小，然后再按此方法对这两部分数据分别进行快速排序，整个排序过程可以递归进行，以此达到整个数据变成有序序列。
+
+3. 步骤
+a. 先从数列中取出一个数作为基准数。
+b. 分区过程，将比这个数大的数全放到它的右边，小于或等于它的数全放到它的左边。
+c. 再对左右区间重复第二步，直到各区间只有一个数。
+```

algorithm/sort/select_sort.md

@@ -0,0 +1,2 @@
+# 选择排序
+

algorithm/sort/shell_sort.md

@@ -0,0 +1,2 @@
+# 希尔排序
+

algorithm/stack_queues.md

@@ -0,0 +1,2 @@
+# 栈和队列
+

basic/README.md

@@ -0,0 +1,55 @@
+# 基础知识
+
+## 什么是算法
+
+计算机，顾名思义是用来计算的机器。
+
+计算机接收一个输入指令，然后进行一个过程处理，最后输出计算的结果。
+
+这种输入-过程处理-输出，用人类的行为模式，很容易理解，比如妈妈让小明去打酱油，打酱油的命令是输入，小明发现小区周边有5家店有酱油出售，娟娟超市是离家最近的，而子龙杂货店虽然离得最远，但酱油很便宜。小明为了省钱，跑到最远的子龙杂货店买了酱油，然后顺利回到了家，交给了妈妈。买酱油的过程就是处理，而给妈妈的酱油是输出。
+
+小明为什么不去最近的娟娟超市，而去了最远的子龙杂货店，这是小明脑袋里思考后产生的最佳方案。当然，现在买酱油可以通过外卖软件，小明可以打开美团，搜索关键字：酱油，然后点击筛选，离家最近的和最便宜的，然后选择最便宜的下单。
+
+买酱油的过程 = 美团下单的过程。
+
+人类在几千年的演化中，会进行数字运算了，会思考利益权衡了，然后造了机器，将自己的行为模式，赋予了机器，解放了自身。如果人类真正了解人脑神经元的信息传递过程，甚至可能造出有自我意识的机器，但这种场景仍然只能在科幻电影中看到。
+
+所以，这个逻辑过程，或行为模式，在计算机里面映射的是算法。
+
+最后，在计算机科学中，所有的算法都是人定义的规则，这些规则都是死的，所以学习起来是很容易的。
+
+## 什么是数据结构
+
+数据结构，顾名思义就是存放数据的结构，也可以认为是存放数据的容器。比如，你要找出1000个数字中的最大值，首先你要将1000个数字记在某些卡片上，然后对卡片进行排序。
+
+数据结构在计算机中，主要是用来实现各种算法的基础，当然数据结构本身也是算法的一部分。
+
+基本的数据结构有：栈和队列，树和图，而这些数据结构的实现由数组和链表来实现。在每种编程语言中，数组作为基本数据类型提供，链表呢， `C、C++` 是用指针来实现的，`Java` 是用类来实现的，而 `Golang` 是用结构体引用来实现。
+
+在一些数据结构中，会用到一些排序，查找逻辑，这些形成了更高层次的高级数据结构。
+
+常见的数据结构是栈和队列，用人话来说，就是排队，一个先进先出，一个先进后出。其次是树和图，树就是有一个树根节点，下面有很多子节点，类比自然界的树，图则可以类比自然界的地图。围绕这几种结构，有若干延伸，大家请看相关章节。
+
+## 什么叫好的数据结构和好的算法
+
+计算机资源是有限的，所以占用计算机资源越少的数据结构和算法越好。
+
+人的生命是有限的，等待时间是有忍耐度的，所以能辅助程序越快完成工作的数据结构和算法越好。
+
+所以出了个理论：时间和空间复杂度。
+
+空间换时间，还是时间换空间。两者一般不能兼得，如果可以，那就是发明了一种更好的算法。在计算机科学发展的四五十年，这种发明还是比较少的。
+
+期待有一天，量子计算机完善，然后极大解放生产力。
+
+## 总结
+
+程序设计=数据结构+算法
+
+我们学习数据结构和算法，是为了更高效率写出更快，缺陷少的代码。
+
+因为学习过，所以我们不需要从头再来，工作效率就提高了。
+
+因为知道每种数据结构的复杂度和适用场景，我们自由组合改装，写出的代码，占用的计算机资源更少了，计算速度变快了，缺陷变少了。
+
+我们要好好学习基本的数据结构和算法。

basic/dregee.md

@@ -0,0 +1,2 @@
+# 复杂度及渐进符号
+

basic/master_method.md

@@ -0,0 +1,2 @@
+# 复杂度主方法
+

basic/refer.md

@@ -0,0 +1,3 @@
+# 参考
+
+- 算法[可视化](https://www.cs.usfca.edu/~galles/visualization/Algorithms.html)