引言：
上次讲到的估价函数 f 与带二叉堆的bfs结合形成了astar算法；
那么，f 函数能不能与dfs结合？
dfs是深度优先搜索，即一直向一个方向搜索，搜索完毕就返回；
但其实这样直接与估价函数结合可能会导致出错；
一旦估价函数出错，那么我们可能向下搜索一个不会出答案的分支；
导致浪费时间，导致超时；
所以我们最终选择将估价函数与 迭代加深的dfs 相结合；
f 为每个状态到目标状态的需要的步数。
当然 f 遵循 astar 中 f 定义的 估计值不大于实际步数
深度限制回溯条件变为， 当前深度 + 估计值 > 深度限制 ，return；
这就是 IDAstar算法——迭代加深的Astar算法；
例题1： booksort
题意：
给定n本书，编号为1-n，在初始状态下，书是任意排列的，在每一次操作中，可以抽取其中连续的一段，再把这段插入到其他某个位置。
我们的目标状态是把书按照1-n的顺序依次排列，求最少需要多少次操作。
若操作次数>=5，输出“5 or more”。
这道题别看他它只需要四步搜索，但它的搜索规模其实很大，粗摸估计一次搜索最坏要560；
四次就是560^4；
这个肯定无法承受；