build

docs/chapter_dynamic_programming/dp_solution_pipeline.md

@@ -417,7 +417,7 @@ $$
 
 <p align="center"> 图 14-14 &nbsp; 暴力搜索递归树 </p>
 
-每个状态都有向下和向右两种选择，从左上角走到右下角总共需要 $m + n - 2$ 步，所以最差时间复杂度为 $O(2^{m + n})$ 。请注意，这种计算方式未考虑临近网格边界的情况，当到达网络边界时只剩下一种选择，因此实际的路径数量会少一些。
+每个状态都有向下和向右两种选择，从左上角走到右下角总共需要 $m + n - 2$ 步，所以最差时间复杂度为 $O(2^{m + n})$ ，其中 $n$ 和 $m$ 分别为网格的行数和列数。请注意，这种计算方式未考虑临近网格边界的情况，当到达网络边界时只剩下一种选择，因此实际的路径数量会少一些。
 
 ### 2. &nbsp; 方法二：记忆化搜索
 

docs/chapter_sorting/heap_sort.md

@@ -6,7 +6,7 @@ comments: true
 
 !!! tip
 
-    阅读本节前，请确保已学完“堆“章节。
+    阅读本节前，请确保已学完“堆”章节。
 
 <u>堆排序（heap sort）</u>是一种基于堆数据结构实现的高效排序算法。我们可以利用已经学过的“建堆操作”和“元素出堆操作”实现堆排序。
 

docs/chapter_stack_and_queue/deque.md

@@ -501,7 +501,7 @@ comments: true
                 val: int = self._front.val  # 暂存头节点值
                 # 删除头节点
                 fnext: ListNode | None = self._front.next
-                if fnext != None:
+                if fnext is not None:
                     fnext.prev = None
                     self._front.next = None
                 self._front = fnext  # 更新头节点
@@ -510,7 +510,7 @@ comments: true
                 val: int = self._rear.val  # 暂存尾节点值
                 # 删除尾节点
                 rprev: ListNode | None = self._rear.prev
-                if rprev != None:
+                if rprev is not None:
                     rprev.next = None
                     self._rear.prev = None
                 self._rear = rprev  # 更新尾节点

docs/chapter_tree/binary_tree.md

@@ -504,6 +504,8 @@ comments: true
     P->left = n2;
     // 删除节点 P
     n1->left = n2;
+    // 释放内存
+    delete P;
     ```
 
 === "Java"
@@ -609,6 +611,8 @@ comments: true
     P->left = n2;
     // 删除节点 P
     n1->left = n2;
+    // 释放内存
+    free(P);
     ```
 
 === "Kotlin"