deploy

chapter_introduction/algorithms_are_everywhere/index.html

@@ -3373,6 +3373,8 @@
 </div>
 </div>
 </div>
+<p align="center"> 图：查字典步骤 </p>
+
 <p>查阅字典这个小学生必备技能，实际上就是著名的「二分查找」。从数据结构的角度，我们可以把字典视为一个已排序的「数组」；从算法的角度，我们可以将上述查字典的一系列操作看作是「二分查找」算法。</p>
 <p><strong>例二：整理扑克</strong>。我们在打牌时，每局都需要整理扑克牌，使其从小到大排列，实现流程如下：</p>
 <ol>
@@ -3381,7 +3383,7 @@
 <li>不断循环步骤 <code>2.</code> ，每一轮将一张扑克牌从无序部分插入至有序部分，直至所有扑克牌都有序。</li>
 </ol>
 <p><img alt="扑克排序步骤" src="../algorithms_are_everywhere.assets/playing_cards_sorting.png" /></p>
-<p align="center"> Fig. 扑克排序步骤 </p>
+<p align="center"> 图：扑克排序步骤 </p>
 
 <p>上述整理扑克牌的方法本质上是「插入排序」算法，它在处理小型数据集时非常高效。许多编程语言的排序库函数中都存在插入排序的身影。</p>
 <p><strong>例三：货币找零</strong>。假设我们在超市购买了 <span class="arithmatex">\(69\)</span> 元的商品，给收银员付了 <span class="arithmatex">\(100\)</span> 元，则收银员需要给我们找 <span class="arithmatex">\(31\)</span> 元。他会很自然地完成以下思考：</p>
@@ -3393,7 +3395,7 @@
 <li>完成找零，方案为 <span class="arithmatex">\(20 + 10 + 1 = 31\)</span> 元。</li>
 </ol>
 <p><img alt="货币找零过程" src="../algorithms_are_everywhere.assets/greedy_change.png" /></p>
-<p align="center"> Fig. 货币找零过程 </p>
+<p align="center"> 图：货币找零过程 </p>
 
 <p>在以上步骤中，我们每一步都采取当前看来最好的选择（尽可能用大面额的货币），最终得到了可行的找零方案。从数据结构与算法的角度看，这种方法本质上是「贪心算法」。</p>
 <p>小到烹饪一道菜，大到星际航行，几乎所有问题的解决都离不开算法。计算机的出现使我们能够通过编程将数据结构存储在内存中，同时编写代码调用 CPU 和 GPU 执行算法。这样一来，我们就能把生活中的问题转移到计算机上，以更高效的方式解决各种复杂问题。</p>

chapter_introduction/what_is_dsa/index.html

@@ -3453,11 +3453,11 @@
 <li>特定算法通常有对应最优的数据结构。算法通常可以基于不同的数据结构进行实现，但最终执行效率可能相差很大。</li>
 </ul>
 <p><img alt="数据结构与算法的关系" src="../what_is_dsa.assets/relationship_between_data_structure_and_algorithm.png" /></p>
-<p align="center"> Fig. 数据结构与算法的关系 </p>
+<p align="center"> 图：数据结构与算法的关系 </p>
 
 <p>数据结构与算法犹如拼装积木。一套积木，除了包含许多零件之外，还附有详细的组装说明书。我们按照说明书一步步操作，就能组装出精美的积木模型。</p>
 <p><img alt="拼装积木" src="../what_is_dsa.assets/assembling_blocks.jpg" /></p>
-<p align="center"> Fig. 拼装积木 </p>
+<p align="center"> 图：拼装积木 </p>
 
 <p>两者的详细对应关系如下表所示。</p>
 <div class="center-table">