[pull] main from krahets:main (#1)

* Update the EN figures for the chapter of preface, introduction, complexity analysis, data structure, array and linked list, stack and queue (krahets#1335)

* Add intial translation of the figures for the rest of the chapters (krahets#1340)

* translation: Add Python and Java code for EN version (krahets#1345)

* Add the intial translation of code of all the languages

* test

* revert

* Remove

* Add Python and Java code for EN version

* Update heap.md (krahets#1344)

* Add the initial EN translation for C++ code (krahets#1346)

* Bug fixes and improvements (krahets#1348)

* Add "reference" for EN version. Bug fixes.

* Unify the figure reference as "the figure below" and "the figure above".
Bug fixes.

* Format the EN markdown files.

* Replace "" with <u></u> for EN version and bug fixes

* Fix biary_tree_dfs.png

* Fix biary_tree_dfs.png

* Fix zh-hant/biary_tree_dfs.png

* Fix heap_sort_step1.png

* Sync zh and zh-hant versions.

* Bug fixes

* Fix EN figures

* Bug fixes

* Fix the figure labels for EN version

* cargo fmt code (krahets#1349)

* feat: add ruby codes - chapter greedy (krahets#1350)

---------

Co-authored-by: Yudong Jin <[email protected]>
Co-authored-by: popozhu <[email protected]>
Co-authored-by: rongyi <[email protected]>
Co-authored-by: khoaxuantu <[email protected]>

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 算法";
 
     int hash = addHash(key);
     printf("加法哈希值为 %d\n", hash);

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 算法";
 
     int hash = addHash(key);
     cout << "加法哈希值为 " << hash << endl;

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;
 }
 
-/* 零钱兑换：状态压缩后的动态规划 */
+/* 零钱兑换：空间优化后的动态规划 */
 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(`凑到目标金额所需的最少硬币数量为 ${res}`);
 
-// 状态压缩后的动态规划
+// 空间优化后的动态规划
 res = coinChangeDPComp(coins, amt);
 console.log(`凑到目标金额所需的最少硬币数量为 ${res}`);

codes/javascript/chapter_dynamic_programming/coin_change_ii.js

@@ -30,7 +30,7 @@ function coinChangeIIDP(coins, amt) {
     return dp[n][amt];
 }
 
-/* 零钱兑换 II：状态压缩后的动态规划 */
+/* 零钱兑换 II：空间优化后的动态规划 */
 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(`凑出目标金额的硬币组合数量为 ${res}`);
 
-// 状态压缩后的动态规划
+// 空间优化后的动态规划
 res = coinChangeIIDPComp(coins, amt);
 console.log(`凑出目标金额的硬币组合数量为 ${res}`);

codes/javascript/chapter_dynamic_programming/edit_distance.js

@@ -82,7 +82,7 @@ function editDistanceDP(s, t) {
     return dp[n][m];
 }
 
-/* 编辑距离：状态压缩后的动态规划 */
+/* 编辑距离：空间优化后的动态规划 */
 function editDistanceDPComp(s, t) {
     const n = s.length,
         m = t.length;
@@ -130,6 +130,6 @@ console.log(`将 ${s} 更改为 ${t} 最少需要编辑 ${res} 步`);
 res = editDistanceDP(s, t);
 console.log(`将 ${s} 更改为 ${t} 最少需要编辑 ${res} 步`);
 
-// 状态压缩后的动态规划
+// 空间优化后的动态规划
 res = editDistanceDPComp(s, t);
 console.log(`将 ${s} 更改为 ${t} 最少需要编辑 ${res} 步`);

codes/javascript/chapter_dynamic_programming/knapsack.js

@@ -69,7 +69,7 @@ function knapsackDP(wgt, val, cap) {
     return dp[n][cap];
 }
 
-/* 0-1 背包：状态压缩后的动态规划 */
+/* 0-1 背包：空间优化后的动态规划 */
 function knapsackDPComp(wgt, val, cap) {
     const n = wgt.length;
     // 初始化 dp 表
@@ -108,6 +108,6 @@ console.log(`不超过背包容量的最大物品价值为 ${res}`);
 res = knapsackDP(wgt, val, cap);
 console.log(`不超过背包容量的最大物品价值为 ${res}`);
 
-// 状态压缩后的动态规划
+// 空间优化后的动态规划
 res = knapsackDPComp(wgt, val, cap);
 console.log(`不超过背包容量的最大物品价值为 ${res}`);

codes/javascript/chapter_dynamic_programming/min_cost_climbing_stairs_dp.js

@@ -22,7 +22,7 @@ function minCostClimbingStairsDP(cost) {
     return dp[n];
 }
 
-/* 爬楼梯最小代价：状态压缩后的动态规划 */
+/* 爬楼梯最小代价：空间优化后的动态规划 */
 function minCostClimbingStairsDPComp(cost) {
     const n = cost.length - 1;
     if (n === 1 || n === 2) {

codes/javascript/chapter_dynamic_programming/min_path_sum.js

@@ -69,7 +69,7 @@ function minPathSumDP(grid) {
     return dp[n - 1][m - 1];
 }
 
-/* 最小路径和：状态压缩后的动态规划 */
+/* 最小路径和：空间优化后的动态规划 */
 function minPathSumDPComp(grid) {
     const n = grid.length,
         m = grid[0].length;
@@ -116,6 +116,6 @@ console.log(`从左上角到右下角的最小路径和为 ${res}`);
 res = minPathSumDP(grid);
 console.log(`从左上角到右下角的最小路径和为 ${res}`);
 
-// 状态压缩后的动态规划
+// 空间优化后的动态规划
 res = minPathSumDPComp(grid);
 console.log(`从左上角到右下角的最小路径和为 ${res}`);

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：状态压缩后的动态规划 */
+/* 完全背包：空间优化后的动态规划 */
 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(`不超过背包容量的最大物品价值为 ${res}`);
 
-// 状态压缩后的动态规划
+// 空间优化后的动态规划
 res = unboundedKnapsackDPComp(wgt, val, cap);
 console.log(`不超过背包容量的最大物品价值为 ${res}`);

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 ([email protected])
+=end
+
+### 零钱兑换：贪心 ###
+def coin_change_greedy(coins, amt)
+  # 假设 coins 列表有序
+  i = coins.length - 1
+  count = 0
+  # 循环进行贪心选择，直到无剩余金额
+  while amt > 0
+    # 找到小于且最接近剩余金额的硬币
+    while i > 0 && coins[i] > amt
+      i -= 1
+    end
+    # 选择 coins[i]
+    amt -= coins[i]
+    count += 1
+  end
+  # 若未找到可行方案， 则返回 -1
+  amt == 0 ? count : -1
+end
+
+### Driver Code ###
+if __FILE__ == $0
+  # 贪心：能够保证找到全局最优解
+  coins = [1, 5, 10, 20, 50, 100]
+  amt = 186
+  res = coin_change_greedy(coins, amt)
+  puts "\ncoins = #{coins}, amt = #{amt}"
+  puts "凑到 #{amt} 所需的最少硬币数量为 #{res}"
+
+  # 贪心：无法保证找到全局最优解
+  coins = [1, 20, 50]
+  amt = 60
+  res = coin_change_greedy(coins, amt)
+  puts "\ncoins = #{coins}, amt = #{amt}"
+  puts "凑到 #{amt} 所需的最少硬币数量为 #{res}"
+  puts "实际上需要的最少数量为 3 , 即 20 + 20 + 20"
+
+  # 贪心：无法保证找到全局最优解
+  coins = [1, 49, 50]
+  amt = 98
+  res = coin_change_greedy(coins, amt)
+  puts "\ncoins = #{coins}, amt = #{amt}"
+  puts "凑到 #{amt} 所需的最少硬币数量为 #{res}"
+  puts "实际上需要的最少数量为 2 , 即 49 + 49"
+end

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 ([email protected])
+=end
+
+### 物品 ###
+class Item
+  attr_accessor :w # 物品重量
+  attr_accessor :v # 物品价值
+
+  def initialize(w, v)
+    @w = w
+    @v = v
+  end
+end
+
+### 分数背包：贪心 ###
+def fractional_knapsack(wgt, val, cap)
+  # 创建物品列表，包含两个属性：重量，价值
+  items = wgt.each_with_index.map { |w, i| Item.new(w, val[i]) }
+  # 按照单位价值 item.v / item.w 从高到低进行排序
+  items.sort! { |a, b| (b.v.to_f / b.w) <=> (a.v.to_f / a.w) }
+  # 循环贪心选择
+  res = 0
+  for item in items
+    if item.w <= cap
+      # 若剩余容量充足，则将当前物品整个装进背包
+      res += item.v
+      cap -= item.w
+    else
+      # 若剩余容量不足，则将当前物品的一部分装进背包
+      res += (item.v.to_f / item.w) * cap
+      # 已无剩余容量，因此跳出循环
+      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
+
+  # 贪心算法
+  res = fractional_knapsack(wgt, val, cap)
+  puts "不超过背包容量的最大物品价值为 #{res}"
+end

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 ([email protected])
+=end
+
+### 最大容量：贪心 ###
+def max_capacity(ht)
+  # 初始化 i, j，使其分列数组两端
+  i, j = 0, ht.length - 1
+  # 初始最大容量为 0
+  res = 0
+
+  # 循环贪心选择，直至两板相遇
+  while i < j
+    # 更新最大容量
+    cap = [ht[i], ht[j]].min * (j - i)
+    res = [res, cap].max
+    # 向内移动短板
+    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]
+
+  # 贪心算法
+  res = max_capacity(ht)
+  puts "最大容量为 #{res}"
+end

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 ([email protected])
+=end
+
+### 最大切分乘积：贪心 ###
+def max_product_cutting(n)
+  # 当 n <= 3 时，必须切分出一个 1
+  return 1 * (n - 1) if n <= 3
+  # 贪心地切分出 3 ，a 为 3 的个数，b 为余数
+  a, b = n / 3, n % 3
+  # 当余数为 1 时，将一对 1 * 3 转化为 2 * 2
+  return (3.pow(a - 1) * 2 * 2).to_i if b == 1
+  # 当余数为 2 时，不做处理
+  return (3.pow(a) * 2).to_i if b == 2
+  # 当余数为 0 时，不做处理
+  3.pow(a).to_i
+end
+
+### Driver Code ###
+if __FILE__ == $0
+  n = 58
+
+  # 贪心算法
+  res = max_product_cutting(n)
+  puts "最大切分乘积为 #{res}"
+end

codes/ruby/chapter_sorting/quick_sort.rb

@@ -9,7 +9,6 @@ class QuickSort
   class << self
     ### 哨兵划分 ###
     def partition(nums, left, right)
-
       # 以 nums[left] 为基准数
       i, j = left, right
       while i < j
@@ -116,7 +115,7 @@ def partition(nums, left, right)
       i # 返回基准数的索引
     end
 
-    ### 快速排序（尾递归优化）
+    ### 快速排序（尾递归优化）###
     def quick_sort(nums, left, right)
       # 子数组长度不为 1 时递归
       while left < right

codes/rust/include/vertex.rs

@@ -7,7 +7,7 @@
 /* 顶点类型 */
 #[derive(Copy, Clone, Hash, PartialEq, Eq)]
 pub struct Vertex {
-    pub val: i32
+    pub val: i32,
 }
 
 /* 输入值列表 vals ，返回顶点列表 vets */
@@ -18,4 +18,4 @@ pub fn vals_to_vets(vals: Vec<i32>) -> Vec<Vertex> {
 /* 输入顶点列表 vets ，返回值列表 vals */
 pub fn vets_to_vals(vets: Vec<Vertex>) -> Vec<i32> {
     vets.into_iter().map(|vet| vet.val).collect()
-}
+}

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;
 }
 
-/* 零钱兑换：状态压缩后的动态规划 */
+/* 零钱兑换：空间优化后的动态规划 */
 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(`凑到目标金额所需的最少硬币数量为 ${res}`);
 
-// 状态压缩后的动态规划
+// 空间优化后的动态规划
 res = coinChangeDPComp(coins, amt);
 console.log(`凑到目标金额所需的最少硬币数量为 ${res}`);
 

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];
 }
 
-/* 零钱兑换 II：状态压缩后的动态规划 */
+/* 零钱兑换 II：空间优化后的动态规划 */
 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(`凑出目标金额的硬币组合数量为 ${res}`);
 
-// 状态压缩后的动态规划
+// 空间优化后的动态规划
 res = coinChangeIIDPComp(coins, amt);
 console.log(`凑出目标金额的硬币组合数量为 ${res}`);
 

codes/typescript/chapter_dynamic_programming/edit_distance.ts

@@ -90,7 +90,7 @@ function editDistanceDP(s: string, t: string): number {
     return dp[n][m];
 }
 
-/* 编辑距离：状态压缩后的动态规划 */
+/* 编辑距离：空间优化后的动态规划 */
 function editDistanceDPComp(s: string, t: string): number {
     const n = s.length,
         m = t.length;
@@ -141,7 +141,7 @@ console.log(`将 ${s} 更改为 ${t} 最少需要编辑 ${res} 步`);
 res = editDistanceDP(s, t);
 console.log(`将 ${s} 更改为 ${t} 最少需要编辑 ${res} 步`);
 
-// 状态压缩后的动态规划
+// 空间优化后的动态规划
 res = editDistanceDPComp(s, t);
 console.log(`将 ${s} 更改为 ${t} 最少需要编辑 ${res} 步`);