《编程之美》读书笔记02: 1.3 一摞烙饼的排序
2010-05-18 23:45
295 查看
《编程之美》读书笔记02: 1.3 一摞烙饼的排序
问题:
星期五的晚上,一帮同事在希格玛大厦附近的“硬盘酒吧”多喝了几杯。程序员多喝了几杯之后谈什么呢?自然是算法问题。有个同事说:“我以前在餐馆打工,顾客经常点非常多的烙饼。店里的饼大小不一,我习惯在到达顾客饭桌前,把一摞饼按照大小次序摆好——小的在上面,大的在下面。由于我一只手托着盘子,只好用另一只手,一次抓住最上面的几块饼,把它们上下颠倒个个儿,反复几次之后,这摞烙饼就排好序了。我后来想,这实际上是个有趣的排序问题:假设有n块大小不一的烙饼,那最少要翻几次,才能达到最后大小有序的结果呢?”
你能否写出一个程序,对于n块大小不一的烙饼,输出最优化的翻饼过程呢?
n个烙饼经过翻转后的所有状态可组成一棵树。寻找翻转最少次数,相当于在树中搜索层次最低的某个节点。
由于每层的节点数呈几何数量级增长,在n较大时,使用广度优先遍历树,可能没有足够的内存来保存中间结果(考虑到每层的两个节点,可以通过旋转,移位等操作互相转换,也许每层的状态可以用一个函数来生成,这时可以采用广度优先方法),因而采用深度优先。但这棵树是无限深的,必须限定搜索的深度(即最少翻转次数的上限值),当深度达到该值时不再继续往下搜索。最少翻转次数,必然小等于任何一种翻转方案所需的翻转次数,因而只要构造出一种方案,取其翻转次数即可做为其初始值。最简单的翻转方案就是:对最大的未就位的烙饼,将其翻转,再找到最终结果中其所在的位置,翻转一次使其就位。因此,对编号在n-1和2之间的烙饼,最多翻转了2*(n-2)次,剩下0和1号烙饼最多翻转1次,因而最少翻转次数的上限值是:2*(n-2)+1=2*n-3(从网上可搜索到对该上限值最新研究结果:上限值为18/11*n),当然,最好还是直接计算出采用这种方案的翻转次数做为初始值。
减少遍历次数:
1 减小“最少翻转次数上限值”的初始值,采用前面提到的翻转方案,取其翻转次数为初始值。对书中的例子{3,2,1,6,5,4,9,8,7,0},初始值可以取10。
2 避免出现已处理过的状态一定会减少遍历吗?答案是否定的,深度优先遍历,必须遍历完一个子树,才能遍历下一个子树,如果一个解在某层比较靠后位置,若不允许处理已出现过的状态时,可能要经过很多次搜索,才能找到这个解,但允许处理已出现过的状态时,可能会很快找到这个解,并减小“最少翻转次数的上限值”,使更多的分支能被剪掉,反而能减少遍历的节点数。比如说,两个子树A、B,搜索子树A,100次后可得到一个对应翻转次数为20的解,搜索子树B,20次后可得到翻转次数为10的解,不允许处理已出现过的状态,就会花100次遍历完子树A后,才开始遍历B,但允许翻转回上一次状态,搜索会在A、B间交叉进行,就可能只要70次找到子树B的那个解(翻转次数为10+2=12),此时,翻转次数上限值比较小,可忽略更多不必要的搜索。以书中的{3,2,1,6,5,4,9,8,7,0}为例,按程序(1.3_pancake_1.cpp),不允许翻转回上次状态时需搜索195次,而允许翻转回上次状态时只要搜索116次。
3 如果最后的几个烙饼已经就位,只须考虑前面的几个烙饼。对状态(0,1,3,4,2,5,6),编号为5和6的烙饼已经就位,只须考虑前5个烙饼,即状态(0,1,3,4,2)。如果一个最优解,从某次翻转开始移动了一个已经就位的烙饼,且该烙饼后的所有烙饼都已经就位,那么对这个解法,从这次翻转开始得到的一系列状态,从中移除这个烙饼,可得到一系列新的状态。必然可以设计出一个新的解法对应这系列新的状态,而该解法所用的翻转次数不会比原来的多。
4 估计每个状态还需要翻转的最少次数(即下限值),加上当前的深度,如果大等于上限值,就无需继续遍历。这个下限值可以这样确定:从最后一个位置开始,往前找到第一个与最终结果位置不同的烙饼编号(也就是说排除最后几个已经就位的烙饼),从该位置到第一个位置,计算相邻的烙饼的编号不连续的次数,再加上1。每次翻转最多只能使不连续的次数减少1,但很多人会忽略掉这个情况:最大的烙饼没有就位时,必然需要一次翻转使其就位,而这次翻转却不改变不连续次数。(可以在最后面增加一个更大的烙饼,使这次翻转可以改变不连续数。)如:对状态(0,1,3,4,2,5,6)等同于状态(0,1,3,4,2),由于1、3和4、2不连续,因而下限值为2+1=3。下限值也可以这样确定:在最后面增加一个比所有烙饼都大的已经就位的烙饼,然后再计算不连续数。如:(0,1,3,4,2),可以看作(0,1,3,4,2,5),1和3 、4和2 、2和5这三个不连续,下限值为3。
5多数情况下,翻转次数的上限值越大,搜索次数就越多。可以采用贪心算法,通过调整每次所有可能翻转的优先顺序,尽快找到一个解,从而减少搜索次数。比如,优先搜索使“下限值”减少的翻转,其次是使“下限值”不变的翻转,最后才搜索使“下限值”增加的翻转。对“下限值”不变的翻转,还可以根据其下次的翻转对“下限值”的影响,再重新排序。由于进行了优先排序,翻转回上一次状态能减少搜索次数的可能性得到进一步降低。
6 其它剪枝方法:
假设进行第m次翻转时,“上限值”为min_swap。
如果翻转某个位置的烙饼能使所有烙饼就位(即翻转次数刚好为m),则翻转其它位置的烙饼,能得到的最少翻转次数必然大等m,因而这些位置都可以不搜索。
如果在某个位置的翻转后,“下限值”为k,并且 k+m>=min_swap,则对所有的使新“下限值”kk大等于k的翻转,都有 kk+m>=min_swap,因而都可以不搜索。该剪枝方法是对上面的“调整翻转优先顺序”的进一步补充。
另外,翻转某个烙饼时,只有两个烙饼位置的改变才对“下限值”有影响,因而可以记录每个状态的“下限值”,进行下一次翻转时,只须通过几次比较,就可以确定新状态的“下限值”。(判断不连续次数时,最好写成 -1<=x && x<=1, 而不是x==1 || x==-1。对于 int x; a<=x && x<=b,编译器可以将其优化为 unsigned (x-a) <= b-a。)
结果:
对书上的例子{3,2,1,6,5,4,9,8,7,0}:
(这个例子比较特殊,代码1.3_pancake_2.cpp(与1.3_pancake_1.cpp的最主要区别在于,增加了对翻转优先顺序的判断,代码下载),在不允许翻转回上次状态且取min_swap的初始值为2*10-2=18时,调用搜索函数29次,翻转函数56次)。
搜索顺序对结果影响很大,如果将1.3_pancake_2.cpp第152行:
for (int pos=1, last_swap=cake_swap[step++]; pos<size; ++pos){
这一行改为:
for (int pos=size-1, last_swap=cake_swap[step++]; pos>=1; --pos){
仅仅调整了搜索顺序,调用搜索函数次数由29次降到11次(对应的翻转方法:9,6,9,6,9,6),求第1个烙饼数到第10个烙饼数,所用的总时间也由原来的38秒降到21秒。)
最终代码:
补充:
在网上下了《编程之美》“第6刷”的源代码,结果在编译时存在以下问题:
1 Assert 应该是 assert
2 m_arrSwap 未被定义,应该改为m_SwapArray
3 Init函数两个for循环,后一个没定义变量i,应该将i 改为 int i
另外,每运行一次Run函数,就会调用Init函数,就会申请新的内存,但却没有释放原来的内存,会造成内存泄漏。if(step + nEstimate > m_nMaxSwap) 这句还会造成后面对m_ReverseCakeArraySwap数组的越界访问,使程序不能正常运行。
书上程序的低效主要是由于进行剪枝判断时,没有考虑好边界条件,可进行如下修改:
1 if(step + nEstimate > m_nMaxSwap) > 改为 >=。
2 判断下界时,如果最大的烙饼不在最后一个位置,则要多翻转一次,因而在LowerBound函数return ret; 前插入一行:
if (pCakeArray[nCakeCnt-1] != nCakeCnt-1) ret++; 。
3 n个烙饼,翻转最大的n-2烙饼最多需要2*(n-2)次,剩下的2个最多1次,因而上限值为2*n-3,因此,m_nMaxSwap初始值可以取2*n-3+1=2*n-2,这样每步与m_nMaxSwap的判断就可以取大等于号。
4 采用书上提到的确定“上限值”的方法,直接构建一个初始解,取其翻转次数为m_nMaxSwap的初始值。
1和2任改一处,都能使搜索次数从172126降到两万多,两处都改,搜索次数降到3475。若再改动第3处,搜索次数降到2989;若采用4的方法(此时初始值为10),搜索次数可降到1045。
问题:
星期五的晚上,一帮同事在希格玛大厦附近的“硬盘酒吧”多喝了几杯。程序员多喝了几杯之后谈什么呢?自然是算法问题。有个同事说:“我以前在餐馆打工,顾客经常点非常多的烙饼。店里的饼大小不一,我习惯在到达顾客饭桌前,把一摞饼按照大小次序摆好——小的在上面,大的在下面。由于我一只手托着盘子,只好用另一只手,一次抓住最上面的几块饼,把它们上下颠倒个个儿,反复几次之后,这摞烙饼就排好序了。我后来想,这实际上是个有趣的排序问题:假设有n块大小不一的烙饼,那最少要翻几次,才能达到最后大小有序的结果呢?”
你能否写出一个程序,对于n块大小不一的烙饼,输出最优化的翻饼过程呢?
n个烙饼经过翻转后的所有状态可组成一棵树。寻找翻转最少次数,相当于在树中搜索层次最低的某个节点。
由于每层的节点数呈几何数量级增长,在n较大时,使用广度优先遍历树,可能没有足够的内存来保存中间结果(考虑到每层的两个节点,可以通过旋转,移位等操作互相转换,也许每层的状态可以用一个函数来生成,这时可以采用广度优先方法),因而采用深度优先。但这棵树是无限深的,必须限定搜索的深度(即最少翻转次数的上限值),当深度达到该值时不再继续往下搜索。最少翻转次数,必然小等于任何一种翻转方案所需的翻转次数,因而只要构造出一种方案,取其翻转次数即可做为其初始值。最简单的翻转方案就是:对最大的未就位的烙饼,将其翻转,再找到最终结果中其所在的位置,翻转一次使其就位。因此,对编号在n-1和2之间的烙饼,最多翻转了2*(n-2)次,剩下0和1号烙饼最多翻转1次,因而最少翻转次数的上限值是:2*(n-2)+1=2*n-3(从网上可搜索到对该上限值最新研究结果:上限值为18/11*n),当然,最好还是直接计算出采用这种方案的翻转次数做为初始值。
减少遍历次数:
1 减小“最少翻转次数上限值”的初始值,采用前面提到的翻转方案,取其翻转次数为初始值。对书中的例子{3,2,1,6,5,4,9,8,7,0},初始值可以取10。
2 避免出现已处理过的状态一定会减少遍历吗?答案是否定的,深度优先遍历,必须遍历完一个子树,才能遍历下一个子树,如果一个解在某层比较靠后位置,若不允许处理已出现过的状态时,可能要经过很多次搜索,才能找到这个解,但允许处理已出现过的状态时,可能会很快找到这个解,并减小“最少翻转次数的上限值”,使更多的分支能被剪掉,反而能减少遍历的节点数。比如说,两个子树A、B,搜索子树A,100次后可得到一个对应翻转次数为20的解,搜索子树B,20次后可得到翻转次数为10的解,不允许处理已出现过的状态,就会花100次遍历完子树A后,才开始遍历B,但允许翻转回上一次状态,搜索会在A、B间交叉进行,就可能只要70次找到子树B的那个解(翻转次数为10+2=12),此时,翻转次数上限值比较小,可忽略更多不必要的搜索。以书中的{3,2,1,6,5,4,9,8,7,0}为例,按程序(1.3_pancake_1.cpp),不允许翻转回上次状态时需搜索195次,而允许翻转回上次状态时只要搜索116次。
3 如果最后的几个烙饼已经就位,只须考虑前面的几个烙饼。对状态(0,1,3,4,2,5,6),编号为5和6的烙饼已经就位,只须考虑前5个烙饼,即状态(0,1,3,4,2)。如果一个最优解,从某次翻转开始移动了一个已经就位的烙饼,且该烙饼后的所有烙饼都已经就位,那么对这个解法,从这次翻转开始得到的一系列状态,从中移除这个烙饼,可得到一系列新的状态。必然可以设计出一个新的解法对应这系列新的状态,而该解法所用的翻转次数不会比原来的多。
4 估计每个状态还需要翻转的最少次数(即下限值),加上当前的深度,如果大等于上限值,就无需继续遍历。这个下限值可以这样确定:从最后一个位置开始,往前找到第一个与最终结果位置不同的烙饼编号(也就是说排除最后几个已经就位的烙饼),从该位置到第一个位置,计算相邻的烙饼的编号不连续的次数,再加上1。每次翻转最多只能使不连续的次数减少1,但很多人会忽略掉这个情况:最大的烙饼没有就位时,必然需要一次翻转使其就位,而这次翻转却不改变不连续次数。(可以在最后面增加一个更大的烙饼,使这次翻转可以改变不连续数。)如:对状态(0,1,3,4,2,5,6)等同于状态(0,1,3,4,2),由于1、3和4、2不连续,因而下限值为2+1=3。下限值也可以这样确定:在最后面增加一个比所有烙饼都大的已经就位的烙饼,然后再计算不连续数。如:(0,1,3,4,2),可以看作(0,1,3,4,2,5),1和3 、4和2 、2和5这三个不连续,下限值为3。
5多数情况下,翻转次数的上限值越大,搜索次数就越多。可以采用贪心算法,通过调整每次所有可能翻转的优先顺序,尽快找到一个解,从而减少搜索次数。比如,优先搜索使“下限值”减少的翻转,其次是使“下限值”不变的翻转,最后才搜索使“下限值”增加的翻转。对“下限值”不变的翻转,还可以根据其下次的翻转对“下限值”的影响,再重新排序。由于进行了优先排序,翻转回上一次状态能减少搜索次数的可能性得到进一步降低。
6 其它剪枝方法:
假设进行第m次翻转时,“上限值”为min_swap。
如果翻转某个位置的烙饼能使所有烙饼就位(即翻转次数刚好为m),则翻转其它位置的烙饼,能得到的最少翻转次数必然大等m,因而这些位置都可以不搜索。
如果在某个位置的翻转后,“下限值”为k,并且 k+m>=min_swap,则对所有的使新“下限值”kk大等于k的翻转,都有 kk+m>=min_swap,因而都可以不搜索。该剪枝方法是对上面的“调整翻转优先顺序”的进一步补充。
另外,翻转某个烙饼时,只有两个烙饼位置的改变才对“下限值”有影响,因而可以记录每个状态的“下限值”,进行下一次翻转时,只须通过几次比较,就可以确定新状态的“下限值”。(判断不连续次数时,最好写成 -1<=x && x<=1, 而不是x==1 || x==-1。对于 int x; a<=x && x<=b,编译器可以将其优化为 unsigned (x-a) <= b-a。)
结果:
对书上的例子{3,2,1,6,5,4,9,8,7,0}:
翻转回上次状态 | 搜索函数被调用次数 | 翻转函数被调用次数 | |
1.3_pancake_2 | 不允许 | 29 | 66 |
1.3_pancake_2 | 允许 | 33 | 74 |
1.3_pancake_1 | 不允许 | 195 | 398 |
1.3_pancake_1 | 允许 | 116 | 240 |
搜索顺序对结果影响很大,如果将1.3_pancake_2.cpp第152行:
for (int pos=1, last_swap=cake_swap[step++]; pos<size; ++pos){
这一行改为:
for (int pos=size-1, last_swap=cake_swap[step++]; pos>=1; --pos){
仅仅调整了搜索顺序,调用搜索函数次数由29次降到11次(对应的翻转方法:9,6,9,6,9,6),求第1个烙饼数到第10个烙饼数,所用的总时间也由原来的38秒降到21秒。)
最终代码:
//1.3_pancake_f.cpp by flyingheart # qq.com #include<iostream> #include<fstream> #include<vector> #include<algorithm> #include<ctime> using namespace std; class Pancake{ public: Pancake() {} void print() const; void process(); //显示最优解的翻转过程 int run(const int cake_arr[], int size, bool show=true); void calc_range(int na, int nb); private: Pancake(const Pancake&); Pancake& operator=(const Pancake&); inline bool init(const int cake_arr[], int& size); void search_cake(int size, int step, int least_swap_old); void reverse_cake(int index) { //翻转0到index间的烙饼 ++count_reverse; std::reverse(&cake[0], &cake[index + 1]); } bool next_search_cake(int pos, int size, int step, int least_swap) { if (least_swap + step >= get_min_swap()) return true; cake_swap[step] = pos; reverse_cake(pos); search_cake(size,step,least_swap); reverse_cake(pos); return false; } int get_min_swap() const { return result.size();} void output(int i, const std::string& sep, int width) const { cout.width(width); cout << i << sep; } void output(const std::string& sep, int width) const { cout.width(width); cout << sep; } vector<int> cake_old; //要处理的原烙饼数组 vector<int> cake; //当前各个烙饼的状态 vector<int> result; //最优解中,每次翻转的烙饼位置 vector<int> cake_swap; //每次翻转的烙饼位置 vector<int> cake_order; //第step+1次翻转时,翻转位置的优先顺序 int min_swap_init; //最优解的翻转次数初始值 int count_search; //search_cake被调用次数 int count_reverse; //reverse_cake被调用次数 }; void Pancake::print() const { int min_swap = get_min_swap(); if (min_swap == 0) return; cout << "minimal_swap initial: " << min_swap_init << " final: "<< min_swap << "/nsearch/reverse function was called: " << count_search << "/" << count_reverse << " times/nsolution: "; for (int i = 0; i < min_swap; ++i) cout << result[i] << " "; cout<< "/n/n"; } void Pancake::process() { int min_swap = get_min_swap(); if (min_swap == 0) return; cake.assign(cake_old.begin(), cake_old.end()); int cake_size = cake_old.size(); const int width = 3, width2 = 2 * width + 3; output("No.", width2); for (int j = 0; j < cake_size; ++j) output(j," ",width); cout << "/n"; output("old:", width2); for (int j = 0; j < cake_size; ++j) output(cake[j]," ",width); cout << "/n"; for (int i = 0; i < min_swap; ++i){ reverse_cake(result[i]); output(i + 1," ",width); output(result[i],": ",width); for (int j = 0; j < cake_size; ++j) output(cake[j]," ",width); cout << "/n"; } cout << "/n/n"; } bool Pancake::init(const int cake_arr[], int& size) { result.clear(); if (cake_arr == NULL) return false; cake_swap.resize(size * 2); cake_order.resize(size * size * 2); count_search = 0; count_reverse = 0; cake_old.assign(cake_arr,cake_arr + size); //去除末尾已就位的烙饼,修正烙饼数组大小。 while (size > 1 && size - 1 == cake_arr[size - 1]) --size; if (size <= 1) return false; cake.assign(cake_arr,cake_arr + size); for (int j = size - 1; ;) { //计算一个解作为min_swap初始值。 while(j > 0 && j == cake[j]) --j; if (j <= 0) break; int i = j; while (i >= 0 && cake[i] != j) --i; if (i != 0) { reverse_cake(i); result.push_back(i); } reverse_cake(j); result.push_back(j); --j; } cake.assign(cake_arr,cake_arr + size); //恢复原来的数组 cake.push_back(size); //多放一个烙饼,避免后面的边界判断 cake_swap[0] = 0; //假设第0步翻转的烙饼编号为0 min_swap_init= get_min_swap(); return true; } int Pancake::run(const int cake_arr[], int size, bool show) { if (! init(cake_arr, size)) return 0; int least_swap = 0; //size = cake.size() - 1; for (int i = 0; i < size; ++i) if (cake[i] - cake[i + 1] + 1u > 2) ++least_swap; if (get_min_swap() != least_swap) search_cake(size, 0, least_swap); if (show) print(); return get_min_swap(); } void Pancake::search_cake(int size, int step, int least_swap_old) { ++count_search; while (size > 1 && size - 1 == (int)cake[size - 1]) --size; //去除末尾已就位的烙饼 int *first = &cake_order[step * cake.size()]; int *last = first + size; int *low = first, *high = first + size; for (int pos = size - 1, last_swap = cake_swap[step++]; pos > 0; --pos){ if (pos == last_swap) continue; int least_swap = least_swap_old ; if (cake[pos] - cake[pos + 1] + 1u <= 2) ++least_swap; if (cake[0] - cake[pos + 1] + 1u <= 2) --least_swap; if (least_swap + step >= get_min_swap()) continue; if (least_swap == 0) { cake_swap[step] = pos; result.assign(&cake_swap[1], &cake_swap[step + 1]); return; } //根据least_swap值大小,分别保存pos值,并先处理使least_swap_old减小1的翻转 if (least_swap == least_swap_old) *low++ =pos; else if (least_swap > least_swap_old) *--high =pos; else next_search_cake(pos, size, step, least_swap); } //再处理使least_swap_old不变的翻转 for(int *p = first; p < low; p++) if (next_search_cake(*p, size, step, least_swap_old)) return; //最后处理使least_swap_old增加1的翻转 for(int *p = high; p < last; p++) if (next_search_cake(*p, size, step, least_swap_old + 1)) return; } void Pancake::calc_range(int na, int nb) { if (na > nb || na <= 0) return; clock_t ta = clock(); static std::vector<int> arr; arr.resize(nb); unsigned long long total_search = 0; unsigned long long total_reverse = 0; for (int j = na; j <= nb; ++j) { for (int i = 0; i < j; ++i) arr[i] = i; int max = 0; unsigned long long count_s = 0; unsigned long long count_r = 0; clock_t tb = clock(); while (std::next_permutation(&arr[0], &arr[j])) { int tmp = run(&arr[0],j,0); if (tmp > max) max = tmp; count_s += count_search; count_r += count_reverse; } total_search += count_s; total_reverse += count_r; output(j, " ",2); output(max," time: ",3); output(clock() - tb," ms ",8); cout << " search/reverse: " << count_s << "/" << count_r << "/n"; } cout << " total search/reverse: " << total_search << "/" << total_reverse << "/n" << "time : " << clock() - ta << " ms/n"; } int main() { int aa[10]={ 3,2,1,6,5,4,9,8,7,0}; //int ab[10]={ 4,8,3,1,5,2,9,6,7,0}; // int ac[]={1,0, 4, 3, 2}; Pancake cake; cake.run(aa,10); cake.process(); //cake.run(ab,10); //cake.process(); //cake.run(ac,sizeof(ac)/sizeof(ac[0])); //cake.process(); cake.calc_range(1,9); }
补充:
在网上下了《编程之美》“第6刷”的源代码,结果在编译时存在以下问题:
1 Assert 应该是 assert
2 m_arrSwap 未被定义,应该改为m_SwapArray
3 Init函数两个for循环,后一个没定义变量i,应该将i 改为 int i
另外,每运行一次Run函数,就会调用Init函数,就会申请新的内存,但却没有释放原来的内存,会造成内存泄漏。if(step + nEstimate > m_nMaxSwap) 这句还会造成后面对m_ReverseCakeArraySwap数组的越界访问,使程序不能正常运行。
书上程序的低效主要是由于进行剪枝判断时,没有考虑好边界条件,可进行如下修改:
1 if(step + nEstimate > m_nMaxSwap) > 改为 >=。
2 判断下界时,如果最大的烙饼不在最后一个位置,则要多翻转一次,因而在LowerBound函数return ret; 前插入一行:
if (pCakeArray[nCakeCnt-1] != nCakeCnt-1) ret++; 。
3 n个烙饼,翻转最大的n-2烙饼最多需要2*(n-2)次,剩下的2个最多1次,因而上限值为2*n-3,因此,m_nMaxSwap初始值可以取2*n-3+1=2*n-2,这样每步与m_nMaxSwap的判断就可以取大等于号。
4 采用书上提到的确定“上限值”的方法,直接构建一个初始解,取其翻转次数为m_nMaxSwap的初始值。
1和2任改一处,都能使搜索次数从172126降到两万多,两处都改,搜索次数降到3475。若再改动第3处,搜索次数降到2989;若采用4的方法(此时初始值为10),搜索次数可降到1045。
相关文章推荐
- 编程之美-一摞烙饼的排序 《编程之美》读书笔记02: 1.3 一摞烙饼的排序
- 《编程之美》读书笔记02: 1.3 一摞烙饼的排序
- 编程之美1.3 一摞烙饼的排序
- 编程之美:第一章 1.3 一摞烙饼的排序
- 编程之美1.3 一摞烙饼的排序(Python)
- 编程之美1.3 一摞烙饼的排序(扩展问题)
- 编程之美1.3 一摞烙饼的排序
- 编程之美1.3 一摞烙饼的排序
- 《编程之美》读书笔记(二): 一摞烙饼的排序问题
- 《编程之美》读书笔记(三): 一摞烙饼的排序问题
- 《编程之美》一摞烙饼的排序
- 《编程之美》读书笔记:一摞烙饼的排序
- 一摞烙饼的排序----《编程之美》读书笔记
- 编程之美:一摞烙饼的排序
- 读书笔记之编程之美 - 1.3 一摞烙饼的排序
- 《编程之美》读书随笔之三:一摞烙饼的排序问题
- 编程之美读书笔记_1.3 一摞烙饼的排序_程序源代码
- 《编程之美》 -- 中国象棋将帅问题和一摞烙饼的排序
- (1.5.1.3)编程之美:一摞烙饼的排序
- 编程之美:一摞烙饼的排序