NIM游戏讲解（超级全面，SG函数代码模板，三种题型）

Nim 游戏

n堆物品，每堆有 m 个，两个玩家轮流取走任意一堆的任意个物品，但不能不取。

取走最后一个物品的人获胜。

我们先来看第一道题目

题目一：

给定n堆石子，两个玩家轮流操作，每次可以从任意一堆石子中拿走任意数量的石子，可以拿完但不能不拿。无法操作者视为失败。问先手是否存在必胜策略。

输入格式：
第一行包含整数n。第二行包含n个数字，其中第i个数字表示第i堆石子的数量。

 输出格式：
如果先手方必胜，则输出“Yes”。

Nim游戏模型，有个结论，设每堆石子个数分别是。

NIM和为：

当且仅当 Nim 和为 0 时，该状态为必败状态；否则该状态为必胜状态。

为什么呢？

为了详细介绍NIM游戏以及这个结论，我先介绍一下博弈图和有向图游戏：

博弈图：

如果将每个状态视为一个节点，再从每个状态向它的后继状态连边，我们就可以得到一个博弈状态图。

有向图游戏：

有向图游戏是一个经典的博弈游戏——实际上，大部分的公平组合游戏都可以转换为有向图游戏。

在一个有向无环图中，只有一个起点，上面有一个棋子，两个玩家轮流沿着有向边推动棋子，不能走的玩家判负。

我们能发现，如果子节点都是必胜状态，那么当前一定必败。 如果子节点有一个必败状态，其他节点不用管，当前节点就是必胜状态，因为我可以让拿走若干石子，达到这个状态。

简单总结如下：

1：没有后继状态的状态是必败态
2：一个状态是必胜态当且仅当存在至少一个必败态为它的后继状态
3：一个状态是必败状态当且仅当它的所有后继状态均为必胜状态
显然，我们定义必胜状态值大于0，必败状态值为0，那么我们可以得到有向图里面的mex函数就是这样定义的，子节点中没出现的最小非负整数值；

 有了mex函数，那么我们就能定义sg函数了，按照我的理解，sg函数主要是处理后继节点的状态转移。先直接看定义：

 我们再给两个结论（注，这些结论我都不会证明，想看证明的读者请查阅其他资料）

一个局面的SG函数可以用起点的SG函数代替。

故而对于第一题，我们本来的结论应该是

但是对于第一道题，因为我们对于每次拿的石子数不限制，所以我们能得出SG(a1) = a1,故而有了

。

说到这里，我先给出SG函数的代码模板：

int n, k;
int s[N], f[M];     // s存取石子的方法，f存取所有取法对应的sg值

// dfs求取sg结果
int sg(int x) {
    if (f[x] != -1) return f[x];
    
    unordered_set<int> S;               // 哈希表存所有可以到的局面
    for (int i = 0; i < k; ++i) 
        if (x >= s[i]) 
            S.insert(sg(x - s[i]));     
            
    for (int i = 0 ; ; ++i) 
        if (!S.count(i))
            return f[x] = i;
}

代码中的第一个if是用来做记忆化搜索的。

第一重循环是dfs的遍历，这里面的s[i]是每次允许拿的石子个数，对于第一题，我们可以直接初始化为s[i]  = i-1。其他s[i]初始化的情况我稍后会介绍。

第二重循环是计算mex函数。

下面我们来介绍第二种题型，加上对石子个数的限定，也就是限制了状态转移，后面我们会知道，实际上与第一种题目一模一样，甚至代码都是一样的，只需要更改s[i]。

题目二：

注意看，除了增加了对石子的限制，其他都没变，也就是说，我们只需要改变s[i]即可。

其实做到这里我们发现，关键改变点就是状态转换的边数。

再来一题： 

题目三：

这里的转换，不是减少石子的个数，而是把一个石子变成两堆规模更小的石子，也就是状态转移有O(n^2)个，代码如下。 

int sg(int x)
{
    if (f[x] != -1) return f[x];
    
    unordered_set<int> S;
    for (int i = 0; i < x; ++ i)
        for (int j = 0; j <= i; ++ j)
            S.insert(sg(i) ^ sg(j));
    
    for (int i = 0; ; ++ i)
        if (!S.count(i))
            return f[x] = i;
}