Update 40. 最小的 K 个数.md

说明改为使用大顶堆保存最小的 K 个数，避免与小顶堆混淆；补充快速选择中 a[j] 是第 j 小的元素（从 0 开始计数）。

notes/40. 最小的 K 个数.md

@@ -6,16 +6,16 @@
 
 ## 解题思路
 
-### 大小为 K 的最小堆
+### 大小为 K 的大顶堆
 
 - 复杂度：O(NlogK) + O(K)
 - 特别适合处理海量数据
 
-维护一个大小为 K 的最小堆过程如下：使用大顶堆。在添加一个元素之后，如果大顶堆的大小大于 K，那么将大顶堆的堆顶元素去除，也就是将当前堆中值最大的元素去除，从而使得留在堆中的元素都比被去除的元素来得小。
+使用大小为 K 的大顶堆保存当前最小的 K 个数：在添加一个元素之后，如果大顶堆的大小大于 K，那么将大顶堆的堆顶元素去除，也就是将当前堆中值最大的元素去除，从而使得留在堆中的元素都比被去除的元素来得小。
 
-应该使用大顶堆来维护最小堆，而不能直接创建一个小顶堆并设置一个大小，企图让小顶堆中的元素都是最小元素。
+应该使用大顶堆来保存最小的 K 个数，而不能直接创建一个小顶堆并设置一个大小，企图让小顶堆中的元素都是最小元素。
 
-Java 的 PriorityQueue 实现了堆的能力，PriorityQueue 默认是小顶堆，可以在在初始化时使用 Lambda 表达式 (o1, o2) -\> o2 - o1 来实现大顶堆。其它语言也有类似的堆数据结构。
+Java 的 PriorityQueue 实现了堆的能力，PriorityQueue 默认是小顶堆，可以在初始化时使用 Lambda 表达式 (o1, o2) -\> o2 - o1 来实现大顶堆。其它语言也有类似的堆数据结构。
 
 ```java
 public ArrayList<Integer> GetLeastNumbers_Solution(int[] nums, int k) {
@@ -36,7 +36,7 @@ public ArrayList<Integer> GetLeastNumbers_Solution(int[] nums, int k) {
 - 复杂度：O(N) + O(1)
 - 只有当允许修改数组元素时才可以使用
 
-快速排序的 partition() 方法，会返回一个整数 j 使得 a[l..j-1] 小于等于 a[j]，且 a[j+1..h] 大于等于 a[j]，此时 a[j] 就是数组的第 j 大元素。可以利用这个特性找出数组的第 K 个元素，这种找第 K 个元素的算法称为快速选择算法。
+快速排序的 partition() 方法，会返回一个整数 j 使得 a[l..j-1] 小于等于 a[j]，且 a[j+1..h] 大于等于 a[j]，此时 a[j] 就是数组中第 j 小的元素（j 从 0 开始计数）。可以利用这个特性找出数组的第 K 个元素，这种找第 K 个元素的算法称为快速选择算法。
 
 ```java
 public ArrayList<Integer> GetLeastNumbers_Solution(int[] nums, int k) {