From a4b22bbd0712dc37ed1f510403f01e9fa486e1fe Mon Sep 17 00:00:00 2001
From: hissin <i@hissin.net>
Date: Fri, 21 Nov 2025 15:06:14 +0800
Subject: [PATCH] docs: Remove design document

---
 docs/DESIGN_DOCUMENT.md | 84 -----------------------------------------
 1 file changed, 84 deletions(-)
 delete mode 100644 docs/DESIGN_DOCUMENT.md

diff --git a/docs/DESIGN_DOCUMENT.md b/docs/DESIGN_DOCUMENT.md
deleted file mode 100644
index 570a053..0000000
--- a/docs/DESIGN_DOCUMENT.md
+++ /dev/null
@@ -1,84 +0,0 @@
-# 算法测试用例生成与自我验证平台 - 设计文档
-
-## 1. 项目概述
-本项目旨在构建一个集“自动出题”、“多算法求解”、“性能分析”于一体的算法学习与验证平台。通过针对特定算法问题生成随机测试数据，并使用不同复杂度的算法进行求解，验证结果一致性并对比运行效率。项目包含一个现代化 Web 前端界面，用于交互式地配置参数与展示图表。
-
-## 2. 系统架构设计
-系统采用 **前后端分离** 架构：
-
-### 2.1 核心模块
-#### 后端 (Backend)
-1.  **Problem Interface (问题接口)**
-    *   定义问题的通用接口，包括 `generate_case()` (生成用例), `solve()` (求解), `verify()` (验证)。
-2.  **Solver Engine (求解引擎)**
-    *   针对每个问题，实现多种算法策略（暴力、分治、DP、贪心等）。
-3.  **Performance Analyzer (性能分析器)**
-    *   执行基准测试，验证正确性，统计运行时间。
-4.  **API Layer (API 层)**
-    *   基于 **FastAPI** 提供 RESTful 接口，处理前端的配置请求并返回计算结果。
-
-#### 前端 (Frontend)
-1.  **Control Panel (控制面板)**
-    *   选择算法问题（如“最大子数组和”、“0/1背包”）。
-    *   配置生成参数（数据规模、数值范围、稀疏度等）。
-2.  **Visualization (可视化展示)**
-    *   使用图表库展示不同算法的时间复杂度对比曲线。
-    *   展示具体的测试用例数据与解题结果（用于教学演示）。
-
-### 2.2 技术栈
-*   **后端**: Python 3.x, FastAPI (Web框架), Matplotlib/Pandas (数据分析)
-*   **前端**: React, TailwindCSS (样式), Recharts (图表可视化), Axios (网络请求)
-
-## 3. 选定算法问题
-
-### 问题一：最大子数组和 (Maximum Subarray Sum)
-**描述**: 给定一个整数数组，找到一个具有最大和的连续子数组。
-**测试用例生成**:
-*   随机生成长度为 $N$ 的整数数组。
-*   数值范围可配置（包含正负数）。
-**算法实现**:
-1.  **暴力枚举 (Brute Force)**: 双重循环枚举所有子数组，时间复杂度 $O(N^2)$。
-2.  **分治算法 (Divide and Conquer)**: 递归将数组分为左右两半，最大子数组可能在左、右或跨越中点，时间复杂度 $O(N \log N)$。
-3.  **动态规划 (Kadane's Algorithm)**: 线性扫描，时间复杂度 $O(N)$。
-
-### 问题二：0/1 背包问题 (0/1 Knapsack Problem)
-**描述**: 给定一组物品，每种物品都有自己的重量和价值，在限定的总重量内，选择其中若干个（也即每种物品可以选0个或1个），使得物品的总价值最高。
-**测试用例生成**:
-*   随机生成 $N$ 个物品，每个物品具有重量 $w$ 和价值 $v$。
-*   随机生成背包容量 $C$。
-**算法实现**:
-1.  **回溯法 (Backtracking)**: 递归枚举所有可能的选择情况，时间复杂度 $O(2^N)$。
-2.  **动态规划 (Dynamic Programming)**: 使用二维或一维数组记录状态，时间复杂度 $O(N \cdot C)$。
-3.  **贪心算法 (Greedy, 近似解/对比)**: 按价值密度排序选择（注意：0/1背包贪心法通常不能得到最优解，可作为对比项展示“错误”或“近似”的算法，或者用于对比部分背包问题）。*注：本项目中为了验证正确性，主要对比回溯与DP，贪心可作为错误示范分析。*
-
-## 4. 目录结构规划
-```
-algorithm_platform/
-├── README.md
-├── DESIGN_DOCUMENT.md
-├── backend/                # 后端代码
-│   ├── main.py             # FastAPI 入口
-│   ├── common/             # 通用工具
-│   │   ├── __init__.py
-│   │   ├── base_problem.py
-│   │   └── timer_utils.py
-│   ├── problems/           # 算法实现模块
-│   │   ├── __init__.py
-│   │   ├── max_subarray/
-│   │   └── knapsack/
-│   └── routers/            # API 路由
-└── frontend/               # 前端代码
-    ├── src/
-    │   ├── components/     # UI 组件
-    │   ├── pages/          # 页面
-    │   └── services/       # API 调用
-    ├── package.json
-    └── vite.config.js
-```
-
-## 5. 开发计划
-1.  **第一阶段**: 搭建后端核心骨架 (FastAPI + Base Classes)。
-2.  **第二阶段**: 实现“最大子数组和”算法逻辑与 API。
-3.  **第三阶段**: 搭建 React 前端框架，实现基础交互与图表组件。
-4.  **第四阶段**: 实现“0/1背包”算法逻辑，并接入前端。
-5.  **第五阶段**: 优化 UI/UX，完善性能对比的可视化报告。