Update cross refs

Author: BillHuang2001

docs/source/locale/zh_CN/tutorial/tutorial_part2.md

@@ -93,7 +93,7 @@ Linux 系统（如 Ubuntu）下安装 EvoX 相对直接，大部分情况下可
    pip install evox[vis,neuroevolution]
    ```
 
-   这将同时安装可视化模块和 Brax 等神经进化相关依赖 ([EvoX Installation Guide — EvoX  documentation](https://evox.readthedocs.io/en/latest/guide/install/install.html#:~:text=You%20can%20also%20assign%20extra,features%2C%20run%20the%20following%20command))。您也可以根据需要选择 extras，比如只安装 `vis` 或 `neuroevolution`。
+   这将同时安装可视化模块和 Brax 等神经进化相关依赖 ([EvoX Installation Guide](#EvoX Installation Guide))。您也可以根据需要选择 extras，比如只安装 `vis` 或 `neuroevolution`。
 
 #### 使用容器安装 (Docker, Podman)
 
@@ -119,7 +119,7 @@ docker run -it --gpus all --shm-size=8g pytorch/pytorch:rocm5.4_ubuntu20.04
   print(get_pretty_env_info())
   ```
 
-  该代码将打印出 PyTorch 和系统的环境配置，如果包含 EvoX 并且没有错误信息，说明安装成功 ([EvoX Installation Guide — EvoX  documentation](https://evox.readthedocs.io/en/latest/guide/install/install.html#:~:text=Verify%20the%20installation))。您也可以尝试 `import evox; print(evox.__version__)` 查看EvoX版本号，确认无误。
+  该代码将打印出 PyTorch 和系统的环境配置，如果包含 EvoX 并且没有错误信息，说明安装成功。您也可以尝试 `import evox; print(evox.__version__)` 查看EvoX版本号，确认无误。
 
 - **其他环境配置**：根据需要，您可以调整线程数等影响性能的参数。例如，设置环境变量 `OMP_NUM_THREADS` 控制CPU上并行线程数， 增加共享内存(`--shm-size`)避免 Docker 容器内的内存不足等。如果您使用 Jupyter Notebook 或 PyCharm 等 IDE 进行开发，请确保其 Interpreter 使用的是刚安装 EvoX 的 Python 环境。
 

docs/source/locale/zh_CN/tutorial/tutorial_part5.md

@@ -257,7 +257,7 @@ import evox
 help(evox.algorithms.so.PSO)
 ```
 
-  这将显示 PSO 算法的文档字符串和参数说明。此外，您也可以查阅 EvoX 在线文档中的对应部分查看这些信息 ([API Reference/algorithms - Evox · Documentation](https://evox.readthedocs.io/en/latest/apidocs/evox/evox.algorithms.html))。
+  这将显示 PSO 算法的文档字符串和参数说明。此外，您也可以查阅 EvoX 在线文档中的对应部分查看这些信息 ([API Reference/algorithms - Evox · Documentation](#apidocs))。
 
 **（2）问题模块**  (`evox.problems`)
   EvoX 的问题模块同样分类别进行了组织，涵盖了数值优化、神经进化、超参数优化等多种场景。
@@ -306,7 +306,7 @@ neuroevolution_problem = BraxProblem(
 )
 ```
 
-  - `evox.problems.hpo_wrapper` 则提供了对机器学习训练过程的封装，适用于超参数优化任务（完整实例可参考 EvoX 文档 （[HPO example - EvoX Documentation](https://evox.readthedocs.io/en/latest/guide/user/3-hpo.html)））。
+  - `evox.problems.hpo_wrapper` 则提供了对机器学习训练过程的封装，适用于超参数优化任务（完整实例可参考 EvoX 文档 （[HPO example - EvoX Documentation](#Deploy HPO with Custom Algorithms)）。
 
 ```python
 import torch
@@ -340,7 +340,7 @@ hpo_problem = HPOProblemWrapper(
 )
 ```
 
-  使用这些模块时，建议配合官方文档来了解对应问题类的构造参数。有的复杂问题可能需要提供额外数据，例如某些工程问题需要读入数据集或者设定实例规模。EvoX的API部分（[API Reference/problems - EvoX Documentation](https://evox.readthedocs.io/en/latest/apidocs/evox/evox.problems.html)）有详细说明。利用好这些现有API，可以大大减少自己编码的工作量。
+  使用这些模块时，建议配合官方文档来了解对应问题类的构造参数。有的复杂问题可能需要提供额外数据，例如某些工程问题需要读入数据集或者设定实例规模。EvoX的API部分（[API Reference/problems - EvoX Documentation](#apidocs)）有详细说明。利用好这些现有API，可以大大减少自己编码的工作量。
 
 ### 5.2.2 工作流与工具 API
 
@@ -419,9 +419,9 @@ print(dir(evox.algorithms))
 
   当您在使用过程中需要寻求帮助时，EvoX 也提供了丰富的资源支持：
 
-- **在线文档**：EvoX 提供详细的用户指南和 API 参考文档（[EvoX  Documentation](https://evox.readthedocs.io/en/latest/index.html)），涵盖了从基础到高级的各类主题。如果您遇到问题，可以查阅文档中的 `Developer Guide` 或 `API Reference` 等部分。
+- **在线文档**：EvoX 提供详细的用户指南和 API 参考文档（[EvoX  Documentation](#apidocs)），涵盖了从基础到高级的各类主题。如果您遇到问题，可以查阅文档中的 `Developer Guide` 或 `API Reference` 等部分。
 - **社区支持**：您可以通过 EvoX 的 GitHub 仓库（[EvoX Github](https://github.com/EMI-Group/evox)）提交 Issues，或在相关论坛和 QQ 讨论群 （ID: 297969717）中寻求帮助。
-- **示例代码**：对于初学者，多参考官方示例是快速掌握 API 用法的有效途径。EvoX 官方文档的 `examples` 目录中包含了许多示例脚本（[Examples - EvoX Documentation](https://evox.readthedocs.io/en/latest/example/index.html)），您可以克隆仓库并运行这些脚本，边看代码边理解。
+- **示例代码**：对于初学者，多参考官方示例是快速掌握 API 用法的有效途径。EvoX 官方文档的 `examples` 目录中包含了许多示例脚本（[Examples - EvoX Documentation](#examples)），您可以克隆仓库并运行这些脚本，边看代码边理解。
 
 ```
   掌握EvoX API的使用将使您更自如地实现复杂的功能。例如，您可以通过API组合来实现多层优化：外层用EvoX优化内层算法的参数，实现AutoML中的自动算法配置。这种高级应用需要对EvoX API非常熟练，但从技术上完全可行。我们鼓励您在逐步深入学习后尝试创新性地运用这些接口，打造出适合自己场景的优化方案。