Worked around cref issue after TeXLive upgrade, changed from cref to ref for now

Author: liuxinyu95

datastruct/elementary/sequence/sequence-zh-cn.tex

@@ -325,7 +325,7 @@ \section{数字表示}
 \section{双数组序列}
 \index{序列!双数组序列} \index{双数组列表!插入和添加}
 
-我们把\cref{sec:paired-array-queue}中的双数组队列扩展为双数组序列。如\cref{fig:parrays}，按头对头的方式连接两个数组。在列表的头部插入时，添加到$f$数组末尾；向尾部插入时，添加到$r$数组末尾。用一对数组表示列表$S = (f, r)$，令$\textproc{Front}(S) = f$，$\textproc{Rear}(S) = r$。前后插入实现如下：
+我们把\ref{sec:paired-array-queue}中的双数组队列扩展为双数组序列。如\cref{fig:parrays}，按头对头的方式连接两个数组。在列表的头部插入时，添加到$f$数组末尾；向尾部插入时，添加到$r$数组末尾。用一对数组表示列表$S = (f, r)$，令$\textproc{Front}(S) = f$，$\textproc{Rear}(S) = r$。前后插入实现如下：
 
 \begin{figure}[htbp]
   \centering
@@ -430,7 +430,7 @@ \section{双数组序列}
 \section{可连接列表}
 \index{序列!可链接列表}
 
-虽然可以用$O(\lg n)$时间在二叉树随机访问森林的头部进行插入、删除、索引，但连接两个序列并不容易。我们不能简单地将所有二叉树合并到一起，而需要不断链接大小相同的树。\cref{fig:clist}给出了一种可连接列表的实现。多叉树的根存储序列表的第一个元素$x_1$, 其它元素被分成若干片段保存在更小的序列中，每个片段是一棵子树。这些子树由一个实时队列（见\cref{sec:realtime-queue}）管理。我们把序列表示为$(x_1, Q_x) = [x_1, x_2, ..., x_n]$。当需要连接另一个列表$(y_1, Q_y) = [y_1, y_2, ..., y_m]$时，我们将其入队到$Q_x$的尾部。连接运算定义如下。实时队列的入队性能为常数时间，因此列表连接的性能也是常数时间的。
+虽然可以用$O(\lg n)$时间在二叉树随机访问森林的头部进行插入、删除、索引，但连接两个序列并不容易。我们不能简单地将所有二叉树合并到一起，而需要不断链接大小相同的树。\cref{fig:clist}给出了一种可连接列表的实现。多叉树的根存储序列表的第一个元素$x_1$, 其它元素被分成若干片段保存在更小的序列中，每个片段是一棵子树。这些子树由一个实时队列（见\ref{sec:realtime-queue}）管理。我们把序列表示为$(x_1, Q_x) = [x_1, x_2, ..., x_n]$。当需要连接另一个列表$(y_1, Q_y) = [y_1, y_2, ..., y_m]$时，我们将其入队到$Q_x$的尾部。连接运算定义如下。实时队列的入队性能为常数时间，因此列表连接的性能也是常数时间的。
 
 \begin{figure}[htbp]
   \centering

datastruct/tree/binary-search-tree/bstree-zh-cn.tex

@@ -32,7 +32,7 @@ \chapter{二叉搜索树}
 \numberwithin{Exercise}{chapter}
 \fi
 
-数组和链表通常被认为是最基础的数据结构，其实它们并不简单（第12章）。在某些系统中，数组是最基本的组件，甚至链表也可以由数组来实现（\cref{sec:list-index-array}）。另一方面，在函数式环境中，链表被作为最基本的组件来实现数组和其它更复杂的数据结构。二叉搜索树是另一种基础数据结构。乔$\cdot$本特利在《编程珠玑》\cite{Bentley}中，讨论了如何统计一段文字中各单词的个数。下面的例子程序给出了一个解法。\index{统计单词}
+数组和链表通常被认为是最基础的数据结构，其实它们并不简单（第12章）。在某些系统中，数组是最基本的组件，甚至链表也可以由数组来实现（\ref{sec:list-index-array}）。另一方面，在函数式环境中，链表被作为最基本的组件来实现数组和其它更复杂的数据结构。二叉搜索树是另一种基础数据结构。乔$\cdot$本特利在《编程珠玑》\cite{Bentley}中，讨论了如何统计一段文字中各单词的个数。下面的例子程序给出了一个解法。\index{统计单词}
 
 \lstset{frame=single}
 \begin{lstlisting}[language=Bourbaki]

datastruct/tree/red-black-tree/rbtree-zh-cn.tex

@@ -83,7 +83,7 @@ \chapter{红黑树}
 \section{平衡}
 
 \index{树旋转}
-为避免极不平衡的情况，可将输入序列打乱（\cref{sec:bst-random-build}）。但这种方法有局限性，无法处理交互输入的序列。人们找到了一些保持平衡性的方法，它们大多依赖二叉树的旋转操作，可以在改变树结构的同时保持元素有序。本章介绍红黑树，下一章介绍AVL树，它们都是自平衡树。第8章还会介绍伸展树，它能够随着操作，逐步恢复平衡。不同的二叉树可以产生相同的中序遍历结果。树旋转如\cref{fig:tree-rotation}所示，可以通过模式匹配来定义：
+为避免极不平衡的情况，可将输入序列打乱（\ref{sec:bst-random-build}）。但这种方法有局限性，无法处理交互输入的序列。人们找到了一些保持平衡性的方法，它们大多依赖二叉树的旋转操作，可以在改变树结构的同时保持元素有序。本章介绍红黑树，下一章介绍AVL树，它们都是自平衡树。第8章还会介绍伸展树，它能够随着操作，逐步恢复平衡。不同的二叉树可以产生相同的中序遍历结果。树旋转如\cref{fig:tree-rotation}所示，可以通过模式匹配来定义：
 
 \begin{figure}[htbp]
   \centering

datastruct/tree/trie/trie-zh-cn.tex

@@ -991,7 +991,7 @@ \subsection{词典和自动补齐}
 \EndFunction
 \end{algorithmic}
 
-其中函数\textproc{Expand}($s, T, n$)从$T$中扩展出$n$个结果，并将$s$附加在每个键的前面。我们可以用广度优先搜索方法实现它（见\cref{sec:DFS-BFS}）：
+其中函数\textproc{Expand}($s, T, n$)从$T$中扩展出$n$个结果，并将$s$附加在每个键的前面。我们可以用广度优先搜索方法实现它（见\ref{sec:DFS-BFS}）：
 
 \begin{algorithmic}[1]
 \Function{Expand}{$s, T, n$}

others/appendix/list/list-zh-cn.tex

@@ -209,7 +209,7 @@ \subsection{末尾元素}
 \EndFunction
 \end{algorithmic}
 
-\textproc{Init}通过\textproc{Cons}累积结果。这样产生的列表是逆序的，最后需要将结果再倒转过来（见\cref{subsec:reverse}）。
+\textproc{Init}通过\textproc{Cons}累积结果。这样产生的列表是逆序的，最后需要将结果再倒转过来（见\ref{subsec:reverse}）。
 
 \subsection{反向索引}
 \index{列表!反向索引} \index{列表!rindex}
@@ -482,7 +482,7 @@ \subsubsection{插入}
 \EndFunction
 \end{algorithmic}
 
-在循环中的任何时刻，结果列表都是已序的。和递归实现相比，它们有一个本质不同：前者从右向左处理列表，而后者从左向右处理。我们稍后将在“尾递归”（\cref{sec:tail-call}）中讲述如何消除这一差异。第3章详细介绍插入排序，包括性能分析和优化。
+在循环中的任何时刻，结果列表都是已序的。和递归实现相比，它们有一个本质不同：前者从右向左处理列表，而后者从左向右处理。我们稍后将在“尾递归”（\ref{sec:tail-call}）中讲述如何消除这一差异。第3章详细介绍插入排序，包括性能分析和优化。
 
 \begin{Exercise}[label={ex:list-insert}]
 \Question{当插入位置越界时，将其按照添加来处理。}
@@ -650,7 +650,7 @@ \subsubsection{连接}
 
 \subsection{和与积}
 \index{列表!和} \index{列表!积}
-我们常常需要计算列表的和与积。它们有着共同的计算结构。我们在\cref{sec:fold}中对它们进行抽象。定义空列表的和为0、积为1。
+我们常常需要计算列表的和与积。它们有着共同的计算结构。我们在\ref{sec:fold}中对它们进行抽象。定义空列表的和为0、积为1。
 
 \be
 \begin{array}{cc}
@@ -767,7 +767,7 @@ \subsection{和与积}
 \end{array}
 \ee
 
-这一方法的复杂度为$O(\lg n)$。将$n$表示成二进制数$n = (a_ma_{m-1}...a_1a_0)_2$，如果$a_i = 1$，我们清楚地知道，需要计算$b^{2^i}$。这和二项式堆的情况很类似（\cref{sec:binomial-heap}）。将所有二进制位为1的幂计算出，再累乘到一起就得到最后的结果。例如，当计算$b^{11}$时，11写成二进制为$11 = (1011)_2 = 2^3 + 2 +1$，因此$b^{11} = b^{2^3} \times b^2 \times b$。我们可以通过以下的步骤进行计算：
+这一方法的复杂度为$O(\lg n)$。将$n$表示成二进制数$n = (a_ma_{m-1}...a_1a_0)_2$，如果$a_i = 1$，我们清楚地知道，需要计算$b^{2^i}$。这和二项式堆的情况很类似（\ref{sec:binomial-heap}）。将所有二进制位为1的幂计算出，再累乘到一起就得到最后的结果。例如，当计算$b^{11}$时，11写成二进制为$11 = (1011)_2 = 2^3 + 2 +1$，因此$b^{11} = b^{2^3} \times b^2 \times b$。我们可以通过以下的步骤进行计算：
 
 \begin{enumerate}
 \item 计算$b^1$，得$b$；
@@ -1165,7 +1165,9 @@ \subsection{逐一映射}
 映射是一个抽象概念，它不仅局限于列表，也可以扩展到许多复杂的代数结构。下一章我们会介绍如何对树结构进行映射。只要我们能够遍历一个结构，并且有空结构的定义，就可以使用映射的概念。
 
 \subsection{反转}
-{\label[subsection]{subsec:reverse}} \index{列表!反转}
+\label{subsec:reverse}
+
+\index{列表!反转}
 
 如何用最小的空间反转一个单向链表是一道经典题目，需要仔细操作节点的引用。有一个简单的策略：（1）先写出一个纯递归解；（2）转换为尾递归；（3）将尾递归转换为命令式操作。纯递归解很直观：
 

others/preface/preface-en.tex

@@ -96,7 +96,7 @@ \subsection*{Improvement}
 
 \be
 \textit{minfree}(x_1, x_2, \dotsc, x_n) \leq n
-\label{eq:min-free}
+{\label[equation]{eq:min-free}}
 \ee
 
 Use an array $F$ of $n + 1$ flags to mark whether a number is free in $[0, n]$.

others/preface/preface-zh-cn.tex

@@ -92,7 +92,7 @@ \subsection*{改进}
 
 \be
 \textit{minfree}(x_1, x_2, \dotsc, x_n) \leq n
-\label{eq:min-free}
+{\label[equation]{eq:min-free}}
 \ee
 
 我们用一个长度为$n + 1$的数组$F$，来标记区间$[0, n]$内的某个整数是否可用。

prelude.sty

@@ -57,9 +57,9 @@
 \usepackage{textcomp}
 \usepackage{mdframed}
 \usepackage{sourcecodepro}
-\usepackage{cleveref}
 \usepackage{etoolbox}
 \usepackage{csquotes}
+\usepackage{cleveref}
 
 \titleformat{\paragraph}
 {\normalfont\normalsize\bfseries}{\theparagraph}{1em}{}

search/search-zh-cn.tex

@@ -435,7 +435,7 @@ \section{二维查找}
 \begin{Answer}[ref = {ex:binary-search}]
 \Question{证明$k$选择的平均复杂度为$O(n)$。
 
-参考快速排序的复杂度分析\cref{sec:quick-sort-big-o}。}
+参考快速排序的复杂度分析\ref{sec:quick-sort-big-o}。}
 
 \Question{为了查找$A$中的前$k$小元素，我们可以获取$x = \max\ (take\ k\ A), y = \min\ (drop\ k\ A)$。如果$x < y$，则$A$的前$k$个元素就是答案；否则我们用$x$划分前$k$个元素，用$y$划分剩余元素，然后在子序列$[a \gets A, x < a < y]$中递归查找前$k'$个元素，其中$k' = k - |[a \gets A, a \leq x]|$。请实现这一算法，并分析复杂度。
 
@@ -908,7 +908,7 @@ \section{最大子序列和}
                      s' = max m' s in (m', s')
 \end{Haskell}
 
-其中\texttt{tails}的定义见\cref{ex:list-tails}，\texttt{zipWith}的定义见\cref{sec:list-zipwith}，\texttt{concatMap}的定义见\cref{sec:list-concatmap}。$scanl$和$foldl$类似，但它每次把结果都保存到一个列表中。$scanl1$是$scanl$的一个特殊情况，初始值是列表的第一个元素。
+其中\texttt{tails}的定义见\cref{ex:list-tails}，\texttt{zipWith}的定义见\ref{sec:list-zipwith}，\texttt{concatMap}的定义见\ref{sec:list-concatmap}。$scanl$和$foldl$类似，但它每次把结果都保存到一个列表中。$scanl1$是$scanl$的一个特殊情况，初始值是列表的第一个元素。
 
 \[
 \begin{array}{rcl}
@@ -2408,7 +2408,7 @@ \subsection{华容道}
 \begin{Answer}[ref = {ex:conway-slide-puzzle}]
 \Question{按层遍历一棵二叉树。
 
-按广度优先顺序访问各个节点，使用\cref{sec:finger-tree}中的序列作为队列：
+按广度优先顺序访问各个节点，使用\ref{sec:finger-tree}中的序列作为队列：
 \begin{Haskell}
 data Tr a = E | Br (Tr a) a (Tr a)
 

sorting/dc-sort/dcsort-zh-cn.tex

@@ -85,15 +85,15 @@ \section{快速排序}
 \end{array}
 \ee
 
-我们使用了ZF表达式（见\cref{sec:zf-expr}、\cref{sec:list-filter}）划分列表，如下面的例子代码：
+我们使用了ZF表达式（见\ref{sec:zf-expr}、\ref{sec:list-filter}）划分列表，如下面的例子代码：
 
 \lstset{frame = single}
 \begin{Haskell}
 sort [] = []
 sort (x:xs) = sort [y | y<-xs, y <= x] ++ [x] ++ sort [y | y<-xs, x < y]
 \end{Haskell}
 
-我们假设按递增顺序排序。可以把比较条件（$\leq$）抽象出来，对数字、字符串等进行各种排序。我们并不要求一定是全序，但是至少要满足\textbf{严格弱序}\cite{wiki-total-order}、\cite{wiki-sweak-order}(见\cref{sec:strict-weak-order})。
+我们假设按递增顺序排序。可以把比较条件（$\leq$）抽象出来，对数字、字符串等进行各种排序。我们并不要求一定是全序，但是至少要满足\textbf{严格弱序}\cite{wiki-total-order}、\cite{wiki-sweak-order}(见\ref{sec:strict-weak-order})。
 
 \subsection{划分}
 \index{快速排序!划分（partition）}