Release Rust code to documents. (#656)

docs/chapter_greedy/fractional_knapsack_problem.md

@@ -119,6 +119,14 @@
     [class]{}-[func]{fractionalKnapsack}
     ```
 
+=== "Rust"
+
+    ```rust title="fractional_knapsack.rs"
+    [class]{Item}-[func]{}
+
+    [class]{}-[func]{fractional_knapsack}
+    ```
+
 最差情况下，需要遍历整个物品列表，**因此时间复杂度为 $O(n)$** ，其中 $n$ 为物品数量。
 
 由于初始化了一个 `Item` 对象列表，**因此空间复杂度为 $O(n)$** 。

docs/chapter_greedy/greedy_algorithm.md

@@ -85,6 +85,12 @@
     [class]{}-[func]{coinChangeGreedy}
     ```
 
+=== "Rust"
+
+    ```rust title="coin_change_greedy.rs"
+    [class]{}-[func]{coin_change_greedy}
+    ```
+
 ## 贪心优点与局限性
 
 **贪心算法不仅操作直接、实现简单，而且通常效率也很高**。在以上代码中，记硬币最小面值为 $\min(coins)$ ，则贪心选择最多循环 $amt / \min(coins)$ 次，时间复杂度为 $O(amt / \min(coins))$ 。这比动态规划解法的时间复杂度 $O(n \times amt)$ 提升了一个数量级。

docs/chapter_greedy/max_capacity_problem.md

@@ -143,6 +143,12 @@ $$
     [class]{}-[func]{maxCapacity}
     ```
 
+=== "Rust"
+
+    ```rust title="max_capacity.rs"
+    [class]{}-[func]{max_capacity}
+    ```
+
 ### 正确性证明
 
 之所以贪心比穷举更快，是因为每轮的贪心选择都会“跳过”一些状态。

docs/chapter_greedy/max_product_cutting_problem.md

@@ -129,6 +129,12 @@ $$
     [class]{}-[func]{maxProductCutting}
     ```
 
+=== "Rust"
+
+    ```rust title="max_product_cutting.rs"
+    [class]{}-[func]{max_product_cutting}
+    ```
+
 ![最大切分乘积的计算方法](max_product_cutting_problem.assets/max_product_cutting_greedy_calculation.png)
 
 **时间复杂度取决于编程语言的幂运算的实现方法**。以 Python 为例，常用的幂计算函数有三种：