正整数拆分问题

Problem 1

求将正整数N无序拆分成若干个不大于M的正整数的方案数

设$f[i][j]$表示$i$拆分成若干个不大于$j$的正整数的方案数
考虑第$i$个数的大小是否为$j$
$f[i][j]=f[i-j][j]+f[i][j-1]$
是为前者，否为后者
显然可以将空间优化成一维
时间复杂度为$O(nm)$，空间复杂度$O(n)$

Problem 2

求将正整数N无序拆分成M个正整数的方案数

有序拆分即为组合问题，此略

Algorithm 1

由于其无序性，我们默认枚举拆分的正整数由小到大
设$f[i][j][k]$表示$i$拆分成$j$个正整数，第$j$个为$k$的方案数
枚举下一个数$l$，$l\geq k$，则$f[i+l][j+1][l]+=f[i][j][k]$
这样dp（由当前状态枚举更新未来状态）俗称刷表，刷表的好处是若当前状态不合法，此次无需花费转移的复杂度
但是算一下，总复杂度为$O(n^3m)$

Algorithm 2

考虑优化上述dp
我们换一种dp方式，枚举已有状态来更新当前状态，转移式为$f[i][j][k]+=f[i-k][j-1][l]$，$l\leq k$
显然$f[i-k][j-1][l]$可以做前缀和，使得转移复杂度优化为$O(1)$
那么总复杂度优化为$O(n^2m)$，由此可见，这样dp的好处是可以做前缀和之类的优化

但是时间复杂度仍然不够优

Algorithm 3

我们多花费了一维状态来限制无序的条件，事实上可以换一种思路
设$f[i][j]$表示$i$拆分成$j$个正整数的方案数
$f[i][j]=f[i-1][j-1]+f[i-j][j]$
在已选数集中增加一个1，方案数为$f[i-1][j-1]$
将已选数集中每个数加1，方案数为$f[i-j][j]$
我们甚至可以把空间优化成一维的
时间复杂度$O(nm)$，空间复杂度$O(n)$

Algorithm 4

233其实Problem 2可以转化为Problem 1

如图，将数的大小形象成高度，从左到右依次是M个正整数
其中高度总和为N
首先每个数非零，于是将最底层用M的代价填满，总和还剩N-M
从下往上看，剩下每一行的数的个数单调递减
那么每一行相当于一个拆分，问题变为将N-M拆分成若干个不小于M的正整数
可以套用Problem 1的DP

Problem 3

求将正整数N无序拆分成若干个正整数的方案数

可以发现，Problem 3与Problem 2相比，去掉了“恰好M个加数”的限制。复杂度能不能更优秀呢？
这个问题等价于：
有N种物品，第i种重量为i，每种都有无限个，求装满容量为N的背包的方案数。
考虑平衡规划，对于$i\leq n^{0.5}$，直接暴力做完全背包，$O(n^{1.5})$
对于$i>n^{0.5}$，所选物品数量不会超过$n^{0.5}$，采用类似上面思想的dp。
设$f[i][j]$表示$i$个数和为$j$的方案数，则转移为
$f[i][j]=f[i-1][j-(n^{0.5}+1)]+f[i][j-i]$
显然也是$O(n^{1.5})$
最后再把两部分合并即可。