الگوریتم و ساختمان داده: از کجا شروع کنیم
جواب کوتاه
الگوریتم یعنی یه راه قدمبهقدم و دقیق برای حل یه مسئله، که حتما تموم میشه. ساختمان داده یعنی شکلی که داده توی حافظه نگه داشته میشه، تا بعضی کارها روش سریع انجام بشه. این دو با هم، قلب علوم کامپیوترن: از پیدا کردن یه اسم بین میلیاردها، تا کوتاهترین راه روی نقشه. این مسیر با تصویر و مثال روزمره پیش میره؛ کد فقط برای خوندنه، نه حفظ. یازده ایستگاه داره: از اینکه الگوریتم چیه، تا سرعت الگوریتم، جستجو، مرتبسازی، روشهای طراحی، و ساختمانهای دادهای مثل آرایه، صف، درخت، هش و گراف.
کارت آدرس
یه دوست براتون آدرس خونهش رو روی یه کارت نوشته: «از ایستگاه مترو بیرون بیا، دست راست برو تا نونوایی، بعد دومین کوچه سمت چپ، پلاک ۱۲». اگه این قدمها رو دقیق انجام بدید، به در خونه میرسید. نه حدس لازمه، نه شانس.
این کارت، یه الگوریتمه: یه فهرست قدمهای دقیق که اگه دنبالشون کنید، حتما به جواب میرسید و تموم میشه. حالا تصور کنید دو کارت دارید که هر دو به همون در میرسن؛ یکی از راه پنج دقیقهای و یکی از راه یه ساعته. فرق این دو کارت، همون چیزیه که این مسیر یاد میده.
دو کلمه: الگوریتم و ساختمان داده
الگوریتم (Algorithm) یعنی یه راه قدمبهقدم و دقیق برای حل یه مسئله، که حتما یه جا تموم میشه. ساختمان داده (Data Structure) یعنی شکلی که دادهها توی حافظه کنار هم گذاشته میشن؛ مثل اینکه کتابها رو توی یه قفسه به ترتیب الفبا بچینید یا توی یه جعبه بریزید.
این دو، همیشه با همن. یه الگوریتم روی یه ساختمان داده کار میکنه، و انتخاب ساختمان دادهی درست، گاهی یه الگوریتم کند رو هزار برابر سریعتر میکنه. برای همین، توی کتابها و دانشگاههای دنیا، این دو تقریبا همیشه با هم درس داده میشن.
این مسیر برای کیه
این مسیر برای چند دسته آدم ساخته شده:
- دانشآموزی که «الگوریتم چیست» رو توی درس کار و فناوری دیده و میخواد واقعا بفهمه.
- کسی که میخواد برنامهنویسی یاد بگیره و دنبال پایهی محکمه.
- برنامهنویسی که کد مینویسه ولی هیچوقت الگوریتم رو منظم یاد نگرفته.
- کسی که برای مصاحبهی کاری برنامهنویسی آماده میشه.
- و هر کسی که کنجکاوه بدونه نقشهی گوشی یا موتور جستجو چطور اینقدر سریع جواب میده.
پیشنیاز خاصی هم نداره. بهتره مفاهیم برنامهنویسی رو دیده باشید، ولی لازم نیست.
اینجا چی کار نمیکنیم
این مسیر، حفظ کردن کد نیست. هر جا یه تکه کد بیاد، کوتاه و فقط برای دیدن ساختاره؛ معمولا به زبان پایتون، چون شبیهترین زبان به جملهی معمولیه. اصل کار، تصویر و مثال روزمرهست: دفترچه تلفن، قفسهی کتاب، صف نونوایی، نقشهی شهر.
ریاضی سنگین هم نداره. جاهایی که لازمه، مثل وقتی دربارهی سرعت الگوریتم حرف میزنیم، با شمردن ساده و نمودار پیش میریم، نه فرمول. اگه بعدا خواستید عمیقتر بشید، مسیر ریاضی برای هوش مصنوعی پلههای ریاضی رو از صفر میسازه.
یه مسئلهی قدیمی: دفترچه تلفن
یه دفترچه تلفن کاغذی قدیمی رو تصور کنید با هزار صفحه، و میخواید شمارهی «رضایی» رو پیدا کنید. یه راه اینه که از صفحهی اول، یکییکی ورق بزنید. ممکنه به صفحهی ششصد برسید. راه دوم: دفترچه رو از وسط باز کنید. اگه اسمهای اون صفحه با «م» شروع میشن، میدونید «ر» توی نیمهی اوله؛ نیمهی دوم رو کنار بذارید.
حالا همین کار رو با نیمهی اول تکرار کنید. هر بار، نصف صفحهها کنار میرن. با این روش، توی دفترچهی هزار صفحهای، حداکثر حدود ده بار باز کردن کافیه. دو راه، هر دو درست؛ ولی یکی صدها قدم و یکی ده قدم. این، اولین درس بزرگ الگوریتمه.
قفسه: چرا شکل داده مهمه
حالا تصور کنید کتابهای یه کتابخونه بی ترتیب روی قفسهها ریخته شدن. برای پیدا کردن یه کتاب، چارهای جز نگاه کردن یکییکی ندارید؛ هیچ روش زیرکانهای کمک نمیکنه. ولی اگه به ترتیب الفبا چیده شده باشن، همون روش دفترچه تلفن کار میکنه.
این، درس دوم بزرگه: شکل نگه داشتن داده، تعیین میکنه کدوم الگوریتم ممکنه. مرتب نگه داشتن کتابها یه هزینه داره: هر کتاب تازه باید سر جای درستش بره. ولی این هزینه، یه بار پرداخت میشه و هزار بار سود میده. ساختمان داده یعنی همین انتخابها.
چرا سرعت اینقدر مهمه
شاید بگید کامپیوترها که خیلی سریعن؛ فرق ده قدم و هزار قدم چه اهمیتی داره؟ وقتی داده کمه، تقریبا هیچ. ولی دادههای امروز بزرگن: یه موتور جستجو با میلیاردها صفحه کار میکنه، یه بانک با میلیونها حساب، یه نقشه با میلیونها خیابون.
با این اندازهها، فرق یه الگوریتم خوب و بد، فرق یه ثانیه و چند روزه؛ و گاهی فرق یه ثانیه و چند قرن. یه کامپیوتر هزار برابر سریعتر هم نمیتونه یه الگوریتم بد رو نجات بده؛ ولی یه الگوریتم بهتر، میتونه یه کامپیوتر معمولی رو از یه ابرکامپیوتر جلو بندازه.
الگوریتمهایی که هر روز میبینید
الگوریتمها همهجا هستن. وقتی نقشهی گوشی راه رو پیدا میکنه، یه الگوریتم کوتاهترین مسیر کار میکنه. وقتی توی یه فروشگاه اینترنتی محصولها رو از ارزون به گرون مرتب میکنید، یه الگوریتم مرتبسازی. وقتی موتور جستجو جواب میده، چندین الگوریتم جستجو و رتبهبندی.
حتی کارهایی که خودتون هر روز میکنید، الگوریتم دارن: چیدن ورقهای بازی توی دستتون، پیدا کردن کلید توی خونه، یا انتخاب صف کوتاهتر توی فروشگاه. درس الگوریتمهای روزمره چند تا از اینها رو کامل باز میکنه.
هر الگوریتم یه ورودی و یه خروجی داره
هر الگوریتمی یه چیزی میگیره و یه چیزی میده. الگوریتم دفترچه تلفن، یه اسم و یه دفترچهی مرتب میگیره و یه شماره میده. الگوریتم مرتبسازی، یه فهرست قاطی میگیره و همون فهرست رو مرتب برمیگردونه. الگوریتم مسیریابی، دو نقطه و نقشهی خیابونها رو میگیره و یه مسیر میده.
پیش از فکر کردن به هر الگوریتمی، روشن کردن این دو، نصف کاره. خیلی از اشتباهها از همینجا میان: کسی که نمیدونه ورودی ممکنه خالی باشه، یا خروجی باید چه شکلی باشه، الگوریتمی مینویسه که درست به نظر میاد ولی توی حالتهای خاص میشکنه. توی همهی درسهای این مسیر، اول این دو رو روشن میکنیم.
یه مسئله، چند راه حل
تقریبا هر مسئلهای چند راه حل درست داره. برای مرتب کردن یه فهرست، دهها الگوریتم شناختهشده هست؛ برای پیدا کردن مسیر، چند خانوادهی مختلف. این تنوع، بیدلیل نیست: هر راه، توی یه شرایط بهتر کار میکنه. یکی برای دادهی تقریبا مرتب عالیه، یکی برای دادهی خیلی بزرگ، یکی وقتی حافظه کمه.
برای همین، یاد گرفتن چند راه برای یه مسئله، اتلاف وقت نیست؛ یعنی یاد گرفتن اینکه کدوم شرایط، کدوم راه رو میخواد. توی ایستگاه مرتبسازی، شش روش رو کنار هم میبینیم و آخرش یه جدول میسازیم که بگه کدوم کی.
ساختمان دادههایی که هر روز میبینید
ساختمان دادهها هم مثل الگوریتم، توی زندگی روزمره هستن. صف نونوایی یه صفه: اولین کسی که میاد، اولین کسیه که نون میگیره. یه دسته بشقاب روی هم یه پشتهست: آخرین بشقابی که گذاشتید، اولین بشقابیه که برمیدارید. درخت خانوادگی یه درخته، و نقشهی مترو یه گراف.
وقتی این شکلها رو توی زندگی بشناسید، دیدنشون توی نرمافزار خیلی راحتتره. دکمهی «برگشت» مرورگر یه پشتهست، پیامهایی که منتظر فرستادنن یه صف، پوشههای کامپیوتر یه درخت، و شبکهی دوستان توی یه اپ، یه گراف. ایستگاههای ششم تا نهم، هر کدوم رو از نزدیک نشون میدن.
الگوریتم همهچیز رو حل نمیکنه
الگوریتمها قدرتمندن، ولی حد دارن. بعضی مسئلهها، مثل پیدا کردن کوتاهترین مسیر برای سر زدن به صد شهر و برگشتن، هنوز هیچ الگوریتم سریعی براشون پیدا نشده؛ و خیلی از دانشمندها فکر میکنن اصلا وجود نداره. برای این مسئلهها، به جوابی «به اندازهی کافی خوب» قانع میشیم.
و بعضی مسئلهها، مثل اینکه یه برنامهی دلخواه یه روز تموم میشه یا تا ابد اجرا میشه، ثابت شده که هیچ الگوریتمی ندارن. دونستن این مرزها، به اندازهی دونستن خود الگوریتمها مهمه؛ چون جلوی وقت گذاشتن روی کاری که ممکن نیست رو میگیره.
اسم الگوریتم از کجا اومده
کلمهی الگوریتم، از اسم یه دانشمند ایرانی میاد: محمد بن موسی خوارزمی، ریاضیدان قرن نهم میلادی که توی بیتالحکمهی بغداد کار میکرد. کتابهاش دربارهی حساب با عددهای هندی و جبر، قرنها بعد به لاتین ترجمه شد و اسمش به شکل «الگوریتمی» درومد.
کمکم، کلمهای که از اسم خوارزمی ساخته شده بود، معنی «روش قدمبهقدم حساب» گرفت. کلمهی «جبر» هم از اسم یکی از کتابهای اونه. یعنی هر بار که یه برنامهنویس امروزی میگه الگوریتم، داره اسم یه دانشمند خوارزمی رو میبره.
یه الگوریتم دوهزارساله
یکی از قدیمیترین الگوریتمهایی که هنوز به کار میره، مال اقلیدسه؛ ریاضیدان یونانی حدود ۳۰۰ سال پیش از میلاد. الگوریتم اقلیدس، بزرگترین عددی رو پیدا میکنه که دو عدد بر اون بخشپذیرن؛ همون «ب.م.م» که توی مدرسه خوندیم.
روشش سادهست: عدد بزرگتر رو بر کوچیکتر تقسیم کن و باقیمونده رو بردار؛ حالا همین کار رو با عدد کوچیکتر و باقیمونده تکرار کن؛ وقتی باقیمونده صفر شد، آخرین عدد جوابه. این الگوریتم بیشتر از دو هزار سال قدمت داره و هنوز توی رمزنگاری امروزی به کار میره.
الگوریتم پیش از کامپیوتر
الگوریتمها خیلی قدیمیتر از کامپیوترن؛ آدمها هزاران سال با دست اجراشون میکردن. کامپیوتر فقط یه اجراکنندهی خیلی سریع و دقیق الگوریتمه. سال ۱۹۳۶، آلن تورینگ با یه ماشین خیالی ساده نشون داد که «محاسبه» دقیقا یعنی چی، و همین ایده، پایهی نظری همهی کامپیوترهای امروز شد.
یه نتیجهی جالب کار تورینگ هم این بود که بعضی مسئلهها، هیچ الگوریتمی ندارن؛ نه اینکه هنوز پیدا نشده، بلکه ثابت شده که نمیشه ساخت. پس الگوریتم هم حد و مرز داره؛ و آخر این مسیر، به این مرزها هم سر میزنیم.
نقشهی راه
این مسیر یازده ایستگاه داره:
- شروع: الگوریتم چیه، فلوچارت و شبهکد.
- سرعت الگوریتم: پیچیدگی زمانی و O بزرگ.
- جستجو: خطی و دودویی.
- مرتبسازی: از حبابی تا سریع.
- روشهای طراحی: بازگشت، تقسیم و حل، حریصانه، برنامهنویسی پویا.
- ساختمان دادهی پایه: آرایه، لیست، پشته و صف.
- هش: سریعترین پیدا کردن.
- درخت: دادهی سلسلهمراتبی.
- گراف: هر جا چیزها به هم وصلن.
- الگوریتم امروز: مسئلههای سخت، فشردهسازی، رمزنگاری.
- پایان راه: کدوم ساختمان داده برای کدوم کار.
درسها رو چطور بخونیم
هر درس با یه جواب کوتاه شروع میشه و بعد، با یه تصویر روزمره، مفهوم رو از صفر میسازه. پیشنهاد ما اینه که برای هر الگوریتم، پیش از خوندن کامل درس، یه بار خودتون با کاغذ امتحانش کنید: چند کارت شمارهدار بنویسید و با دست مرتبشون کنید، یا یه دفترچه رو با روش نصف کردن بگردید.
این کار، که پژوهشهای آموزش هم پشتش هستن، الگوریتم رو از یه چیز حفظکردنی به یه چیز فهمیده تبدیل میکنه. آخر هر درس هم یه آزمون کوتاه هست، که بیشتر برای اینه که ببینید چی موند، نه برای نمره.
دو راه نوشتن الگوریتم
پیش از کد، الگوریتم رو میشه دو جور نوشت. یکی فلوچارت (Flowchart): کشیدن قدمها با شکل و پیکان، که برای دیدن مسیر تصمیمها عالیه. دیگری شبهکد (Pseudocode): نوشتن قدمها با جملههای کوتاه و منظم، شبیه کد ولی بی قاعدههای سفت یه زبان خاص.
توی این مسیر، از هر دو استفاده میکنیم. فلوچارت برای وقتی که مسیر تصمیمها مهمه، و شبهکد برای وقتی که ترتیب قدمها. درسهای چهارم و پنجم همین ایستگاه، هر کدوم رو کامل یاد میدن.
فکر الگوریتمی
مهمتر از هر الگوریتم خاص، یه طرز فکره که این مسیر میسازه: دیدن مسئله به شکل قدمها، پرسیدن «اگه داده خیلی بزرگ بشه چی؟» و شکستن مسئلهی بزرگ به مسئلههای کوچیکتر. به این، فکر الگوریتمی یا محاسباتی (Computational Thinking) میگن.
این طرز فکر فقط مال برنامهنویسها نیست. یه مدیر انبار که میخواد سفارشها رو سریعتر جمع کنه، یه معلم که میخواد امتحانها رو منظم تصحیح کنه، یا هر کسی که یه کار تکراری داره، از همین فکر سود میبره. استانداردهای آموزش رایانهی خیلی از کشورها، این فکر رو از دبستان شروع میکنن.
اول درست، بعد سریع
یه الگوریتم پیش از هر چیز باید درست باشه: برای هر ورودی، جواب درست بده و حتما تموم بشه. یه الگوریتم خیلی سریع که گاهی جواب غلط میده، معمولا از یه الگوریتم کند ولی درست، بدتره.
برای همین، توی این مسیر برای هر الگوریتم سه سوال میپرسیم: درسته؟ همیشه تموم میشه؟ و چقدر سریعه؟ سوال سوم مهمه، ولی همیشه بعد از دو تای اول. یه قاعدهی معروف برنامهنویسها هم همینه: اول کاری کن کار کنه، بعد درستش کن، بعد سریعش کن.
سوال همیشگی: اگه داده بزرگ بشه؟
توی این مسیر، یه سوال بارها تکرار میشه: «اگه داده ده برابر بشه، کار چند برابر میشه؟». بعضی الگوریتمها با ده برابر شدن داده، ده برابر کندتر میشن. بعضی صد برابر. و بعضی، مثل روش دفترچه تلفن، فقط چند قدم بیشتر لازم دارن.
این سوال، قلب ایستگاه دومه و اسمش پیچیدگی زمانیه. خبر خوب اینه که برای فهمیدنش، شمردن کافیه؛ نه فرمول. وقتی این سوال توی ذهنتون جا بیفته، هر الگوریتمی رو که ببینید، خودبهخود ازش میپرسید.
همیشه یه بدهبستون هست
توی دنیای الگوریتم، تقریبا هیچوقت یه انتخاب همهجا بهترین نیست. یه ساختمان داده پیدا کردن رو سریع میکنه ولی افزودن رو کند. یه الگوریتم سریعتره ولی حافظهی بیشتری میخواد. یه روش برای دادهی کوچیک عالیه و برای دادهی بزرگ نه.
یاد گرفتن الگوریتم، بیشتر از حفظ کردن «بهترینها»، یاد گرفتن همین بدهبستونهاست: کدوم کار بیشتر انجام میشه؟ حافظه مهمتره یا زمان؟ داده چقدر بزرگه؟ آخر مسیر، یه جدول تصمیم میسازیم که همهی اینها رو کنار هم نشون میده.
ریاضی لازمه؟
برای این مسیر، ریاضی دبستان کافیه: جمع، ضرب، و کمی آشنایی با توان، مثل اینکه دو به توان ده میشه هزار و بیستوچهار. هر جا چیز بیشتری لازم باشه، همونجا با مثال توضیح داده میشه.
البته پشت الگوریتمها ریاضی عمیقی هم هست، که توی دانشگاه درس داده میشه: اثبات درستی، تحلیل دقیق سرعت و نظریهی محاسبه. این مسیر اون عمق رو نداره؛ هدفش فهم کاربردیه، یعنی همون چیزی که یه برنامهنویس هر روز لازم داره.
الگوریتم و هوش مصنوعی
هوش مصنوعی هم از الگوریتم ساخته شده. وقتی میگیم یه مدل «یاد میگیره»، یعنی یه الگوریتم، مثل گرادیان کاهشی، عددهای مدل رو قدمبهقدم عوض میکنه تا خطاش کمتر بشه. و وقتی یه مدل زبانی جواب میده، یه الگوریتم کلمه به کلمه اون جواب رو میسازه.
فرقش با الگوریتمهای این مسیر اینه که قدمها رو آدم مستقیم نمینویسه؛ یه الگوریتم یادگیری، از داده پیداشون میکنه. ولی همون سوالها سر جاشونن: درسته؟ چقدر سریعه؟ با دادهی بزرگتر چی میشه؟ مسیر یادگیری ماشین این طرف رو نشون میده.
الگوریتم و مصاحبهی کاری
خیلی از شرکتهای نرمافزاری دنیا، توی مصاحبهی برنامهنویس، سوال الگوریتم و ساختمان داده میپرسن. نه چون هر روز کار با اینهاست، بلکه چون نشون میده آدم چطور فکر میکنه: مسئله رو میشکنه؟ به حالتهای مرزی فکر میکنه؟ سرعت راه حلش رو میسنجه؟
این مسیر، پایهی مفهومی همین سوالها رو میسازه. برای آمادگی کامل مصاحبه، بعدش تمرین با کد لازمه؛ که مسیرهای پایتون و تایپاسکریپت جاشه.
چند اشتباه رایج یادگیری
اشتباه اول: حفظ کردن. کسی که کد مرتبسازی سریع رو حفظ کنه ولی نفهمه چرا کار میکنه، با اولین تغییر کوچیک توی مسئله گیر میکنه. اشتباه دوم: پریدن به سختها. الگوریتمهای پیشرفته روی سادهها ساخته شدن؛ بی پایه، فقط اسمشون میمونه.
اشتباه سوم: فکر کردن اینکه همیشه باید بهترین الگوریتم رو نوشت. توی کار واقعی، بیشتر وقتها سادهترین راه درست، کافیه؛ و زبانها برای کارهای رایج، مثل مرتبسازی، الگوریتمهای آماده و خیلی خوب دارن. هنر اینه که بدونید کی ساده کافیه و کی نه.
بعد از این مسیر
بعد از این مسیر، چند راه دارید. اگه میخواید کد بزنید، پایتون یا تایپاسکریپت، و پیادهسازی همین الگوریتمها با دست خودتون. اگه میخواید عمیقتر بفهمید کامپیوتر چطور اینها رو اجرا میکنه، کامپیوتر چطور کار میکنه.
و اگه با داده کار دارید، SQL و کار با داده؛ چون دیتابیسها پر از همین ساختمانهای دادهان، مثل درخت و هش، فقط پنهون پشت یه زبان ساده. صفحهی «علوم کامپیوتر» هم نقشهی همهی این مسیرها رو کنار هم داره.
یه جمعبندی کوتاه
الگوریتم، راه قدمبهقدم و دقیق حل یه مسئلهست که حتما تموم میشه؛ ساختمان داده، شکل نگه داشتن دادهست. دو راه درست برای یه مسئله، میتونن سرعتهای خیلی متفاوت داشته باشن، و شکل داده تعیین میکنه کدوم راه ممکنه.
اگه فقط همین دو جمله یادتون بمونه، پایهی کل مسیر رو دارید.
چند باور رایج
- «الگوریتم یعنی کد.» الگوریتم پیش از کده؛ با کاغذ هم میشه نوشتش.
- «کامپیوتر سریع، الگوریتم خوب لازم نداره.» هیچ کامپیوتری یه الگوریتم بد رو نجات نمیده.
- «الگوریتم فقط مال ریاضیدانهاست.» ریاضی دبستان برای این مسیر کافیه.
- «باید همهی الگوریتمها رو حفظ کرد.» فهم بدهبستونها مهمتر از حفظه.
- «همیشه پیچیدهترین راه، بهترینه.» بیشتر وقتها سادهترین راه درست، کافیه.
یه مثال
امیر توی یه انبار کار میکنه و هر روز باید برای صد سفارش، کالاها رو از قفسهها جمع کنه. قبلا هر سفارش رو جدا جمع میکرد؛ برای هر کدوم، کل انبار رو میگشت. یه روز فکر کرد: اگه اول همهی سفارشها رو بر اساس ردیف قفسه مرتب کنم، میتونم یه بار از اول انبار تا آخرش برم و همه رو جمع کنم.
اون روز، بی اینکه اسمش رو بدونه، دو ایدهی بزرگ این مسیر رو به کار برد: مرتبسازی، و اینکه شکل نگه داشتن داده، الگوریتم رو عوض میکنه. کاری که سه ساعت طول میکشید، شد یه ساعت. این مسیر، همین ایدهها رو اسمدار و منظم میکنه.
حالا امیر هر صبح، پیش از شروع، پنج دقیقه سفارشها رو مرتب میکنه؛ و همکارهاش هم، وقتی دیدن زودتر تموم میکنه، همین کار رو یاد گرفتن.
تمرین امروز
امروز یه آزمایش کوچیک با دست انجام بدید.
- بیست کارت یا کاغذ کوچیک بردارید و روی هر کدوم یه عدد تصادفی بنویسید.
- کارتها رو قاطی کنید و یه عدد رو با نگاه کردن یکییکی پیدا کنید؛ بشمرید چند نگاه لازم شد.
- حالا کارتها رو مرتب کنید.
- همون عدد رو با روش دفترچه تلفن، یعنی نصف کردن، پیدا کنید و نگاهها رو بشمرید.
- دو عدد رو مقایسه کنید.
درس بعدی، دقیق میگه الگوریتم چیه و چه ویژگیهایی داره: الگوریتم چیست به زبان ساده.
اگه حوصله داشتید، همین کار رو با صد کارت هم امتحان کنید.
جمعبندی. آنچه از این درس با خودتان میبرید.
- الگوریتم: راه قدمبهقدم و دقیق که حتما تموم میشه.
- ساختمان داده: شکل نگه داشتن داده، برای سرعت.
- دو راه درست میتونن یکی یه ثانیه و یکی یه قرن طول بکشن.
- کد فقط برای خوندنه؛ تصویر و مثال اصل کاره.
- یازده ایستگاه، از الگوریتم چیه تا گراف.
خودتون رو بسنجید
۱۵ پرسش، هر بار تازه از میان ۳۰ پرسش این درس. آخرش فقط کارنامه رو میبینید: چند تا درست، چند تا نادرست.