组合意义，排列组合基础

组合原理

加法原理

用第一种方法可以写完这篇文章。
用第二种方法可以写完这篇文章。
…
用第n种方法可以写完这篇文章。

想要写完文章，共有多少种方式呢？
显然是n种。

这表明，从状态x转移到状态y（从没写完文章到写完文章），共有n种转移，就意味着有n种方法可以从状态x转移到状态y：

共有m种可能性

乘法原理

从状态x₁转移到状态x₂，有m₁种方法。
从状态x₂转移到状态x₃，有m₂种方法。
…
从状态x_n-1转移到状态x_n，有m_n-1种方法。

共有$\stackrel{n-1}{\prod _{i=1}}{m}_i$种方法。

共有$\stackrel{n-1}{\prod _{i=1}}{m}_i$种可能性。

阶乘

从一个盒子里取出n个不同颜色的小球。把小球按照取出的顺序排好，总共有多少种可能的序列？

假如有{A，B，C}三种颜色的小球，可以画树状图：

3×2×1，共有6种情况。

事实上，这对应三种递进的状态：
$状态1(压根没选)->\{\begin{array}{c}选颜色A\\ 选颜色B\\ 选颜色C\end{array}$
$状态2(选了一个颜色)->\{\begin{array}{c}选剩下的一种颜色\\ 选剩下的另一种颜色\end{array}$
状态 3 ( 选了两种颜色 ) − > { 选剩下的最后一种颜色 状态3(选了两种颜色)->\{选剩下的最后一种颜色 状态3(选了两种颜色)−>{选剩下的最后一种颜色

因此从一个盒子里取出n个不同颜色的小球。把小球按照取出的顺序排好，可能的序列数是$n\times (n-1)\times (n-2)\times ...\times 2\times 1={\prod }_{i=1}^{n}i$

定义${\prod }_{i=1}^n$为$n!$，
也就是说，n个不同元素任意排列，可能的方案数有$n!$种。

0个元素任意排列，可能的方案只有一种，就是排不了。即$0!=1$

排列

关于集合S，把集合里的元素取出，得到的一个有序序列，这个序列称为S的一个排列。

定义$n^{\underline{m}}=P_n^m=A_n^m$表示从$n$个不同元素中，取出$m$个元素，按照取出的顺序排好，可能得到的排列种类数。
$n^{\underline{m}}$称为排列数（线排列）。

显然有：$n^{\underline{m}}=\frac{n!}{(n-m)!}$

考虑首先枚举全排列，然后去除重复的情况：
举个例子：共有五个元素，用斜体表示我们选出的2个元素，考虑顺序：

假设取出$A,B$：
{$A,B$,C,D,E}
{$A,B$,C,E,D}
{$A,B$,D,C,E}
{$A,B$,D,E,C}
{$A,B$,E,C,D}
{$A,B$,E,D,C}
对于选出$A,B$这种情况来说，就算重了$(n-m)!$次。

假设取出$B,A$：
{$B,A$,C,D,E}
{$B,A$,C,E,D}
{$B,A$,D,C,E}
{$B,A$,D,E,C}
{$B,A$,E,C,D}
{$B,A$,E,D,C}
对于选出$B,A$这种情况来说，就算重了$(n-m)!$次。

假设取出$A,C$:
{$A,C$,B,D,E}
{$A,C$,B,E,D}
{$A,C$,D,B,E}
{$A,C$,D,E,B}
{$A,C$,E,B,D}
{$A,C$,E,D,B}
对于选出$A,C$这种情况来说，就算重了$(n-m)!$次。

同理，在$n!$种全排列中，每一种取出方式都重复计算了$(n-m)!$次，因此最终的种类数是$n^{\underline{m}}=\frac{n!}{(n-m)!}$

组合

定义一个集合S称为关于S的一个组合，组合无关于顺序。

定义$C_n^m={(}_m^n)$，表示从n个不同元素中取出m个元素构成一个组合，可能形成的组合的种类数，${(}_m^n)$称为组合数。

显然有：${(}_m^n)=\frac{n!}{m!(n-m)!}$

这是因为，首先我们考虑从n个不同元素中取出m个，考虑顺序的方案数，就是排列数$n^{\underline{m}}$，然后我们考虑，每一种组合的全排列都算作全排列的个数次贡献，每种组合都多做了$m!$倍的贡献。就比如上面的例子，{$A,B$}和{$B,A$}是一种组合，但却被算了两次，这是由于，{$A,B$}的每个排列都被计算了一次。因此组合数${(}_m^n)=\frac{n^{\underline{m}}}{m!}=\frac{n!}{m!(n-m)!}$

圆排列

定义$Q_n^n$表示n个不同元素围成一圈，可能形成的环的种类数，称为圆排列数（环排列数）。
考虑每一个圆排列从任意位置断开都可以得到对应的线排列，因此$n\cdot Q_n^n=A_n^n$，则有：$Q_n^n=\frac{A_n^n}{n}=(n-1)!$

定义$Q_n^m$表示n个不同元素中选出m个组成一个环，得到的圆排列数。

显然有：$Q_n^m={(}_m^n)\cdot Q_m^m=\frac{n!}{m(n-m)!}$
这表示，先从n的不同元素中选出m个元素，再求出m个元素的圆排列数。

错位排列

给定一个去重的序列，如果这个序列的一个排列，满足任意一个元素都不处于原本序列的位置上，那么这个排列称为序列的一个错位排列。
简单而言，序列{1,2,…,n}的一个排列，如果满足$\forall$a_i≠i，则称这个排列是关于n的一个错位排列。

这样定义$D_n$表示有多少个关于n的错位排列。$D_n$称为错位排列数。

显然有：$D_1=0,D_2=1$

那么有错位排列的递推公式：$D_n=(n-1)(D_{n-1}+D_{n-2})$
考虑如何通过一次操作，就得到关于n的错排：

1. 前n-1个数构成一个错排，只需要把任意一个数放在$a_n$的位置，把n放在那个空出来的位置上。放置n有$n-1$种方案。
2. 前n-1个数中，仅有一个数满足$a_i=i$，只需要把$n$放在$a_i$的位置上，然后把$i$放在$a_n$的位置上就可以了。这样的i有n-1种可能。

事实上，错排还有二项式反演的计算公式：
$D_n=\stackrel{n}{\sum _{i=0}}(-1{)}^{n-i}\left({}_i^n\right)i!$

这个公式在二项式反演中给出证明，事实上，也可以通过把递推式带入的方法得到通项公式。

事实上，错排公式还可以通过多项式模拟得到，这里不讨论。

组合公式与变换技巧

排列数，圆排列数，错位排列数不常变换。

组合数公式

根据定义，显然有：${(}_m^n)={(}_{n-m}^n)$

公式1：递推式

${(}_m^n)={(}_m^{n-1})+{(}_{m-1}^{n-1})$
考虑第一个元素选或者不选，如果不选，要在接下里的n-1个元素中选出m个。如果选，在接下来的n-1个元素中只需要选出m-1个。

公式2：分离式

分离式正变换

$\left({}_k^n\right)\left({}_m^k\right)=\left({}_m^n\right)\left({}_{k-m}^{n-m}\right)$
考虑先从n中选k个，再从k中选m个。等价于先从n中选m个，再从剩下的n-m中选出k-m个（也就是说，从n中选出m个的，有$\left({}_{k-m}^{n-m}\right)$种情况）。

分离式常用于斯特林反演。

在组合代换中，分离式往往从右边推向左边：
$\left({}_m^n\right)\left({}_{k-m}^{n-m}\right)=\left({}_k^n\right)\left({}_m^k\right)$

分离式逆变换

${(}_m^n){(}_i^{n-m})={(}_{m+i}^n){(}_i^{m+i})$

分离式逆变换是组合代换的重要公式。

证明一下：

${(}_m^n){(}_i^{n-m})$，设$i=k-m$。
则：${(}_m^n){(}_i^{n-m})={(}_m^n){(}_{k-m}^{n-m})={(}_k^n){(}_m^k)={(}_{m+i}^n){(}_m^{m+i})$

QED.

公式3：组合恒等式

$k{(}_k^n)=n{(}_{k-1}^{n-1})$
留作习题，读者自证不难。

组合恒等式也可以用于斯特林反演，但不常用。

这个公式的高维形式（即$k^p$）与斯特林反演有关。

推论式

${(}_k^{n-1})-{(}_{k-1}^{n-1})=\frac{n-2k}{n}{(}_k^n)$
没什么用。

证明一下：
${(}_k^{n-1})-{(}_{k-1}^{n-1})=\frac{n-2k}{n}{(}_k^n)$

首先考虑把n乘到左边：
$n{(}_k^{n-1})-n{(}_{k-1}^{n-1})=(n-2k){(}_k^n)$
$n{(}_k^{n-1})-n{(}_{k-1}^{n-1})=n{(}_k^n)-2k{(}_k^n)$

左边有点像递推式，但是符号不对，考虑把右边带入递推式，能消掉一项：
$n{(}_k^{n-1})-n{(}_{k-1}^{n-1})=n\left({(}_k^{n-1})+{(}_{k-1}^{n-1})\right)-2k{(}_k^n)$
$n{(}_k^{n-1})-n{(}_{k-1}^{n-1})=n{(}_k^{n-1})+n{(}_{k-1}^{n-1})-2k{(}_k^n)$
$-n{(}_{k-1}^{n-1})=n{(}_{k-1}^{n-1})-2k{(}_k^n)$
$2k{(}_k^n)=2n{(}_{k-1}^{n-1})$

这显然就是组合恒等式：
$k{(}_k^n)=n{(}_{k-1}^{n-1})$

QED.

公式4：组合数求和

对于组合数${(}_B^A)$，我们说$A$是顶项，$B$是底项。

顶项为常数

$\stackrel{n}{\sum _{i=0}}{(}_i^n)=2^n$
左式取遍了n个元素的集合的所有子集。

也可以用二项式定理证明。

对于$\stackrel{m}{\sum _{i=0}}{(}_i^n)$，我暂时还没有找到一个比较好的方法求和，唐绍轩和黄楚宇说似乎不太好求。

底项为常数（朱世杰恒等式）

$\stackrel{n}{\sum _{i=0}}{(}_m^i)=\left({}_{m+1}^{n+1}\right)$

证明一下：
首先考虑把级数展开：
$左=\stackrel{n}{\sum _{i=0}}{(}_m^i)={(}_m^0)+{(}_m^1)+{(}_m^2)+...+{(}_m^{n-2})+{(}_m^{n-1})+{(}_m^n)$

考虑到右边的底项比左边大，可以想办法降下来，右侧可以套进递推式：
$右=\left({}_{m+1}^{n+1}\right)={(}_{m+1}^n)+{(}_m^n)$

再套递推式：
$右=\left({}_{m+1}^{n+1}\right)={(}_{m+1}^{n-1})+{(}_m^{n-1})+{(}_m^n)$

对比一下左边：
$左={(}_m^0)+{(}_m^1)+{(}_m^2)+...+{(}_m^{n-2})+{(}_m^{n-1})+{(}_m^n)$
$右={(}_{m+1}^{n-1})+{(}_m^{n-1})+{(}_m^n)$

这样就有一部分可以约掉了（这里先保留）。

然后我们重复套递推式：
$右={(}_{m+1}^{n-k})+{(}_m^{n-k})+...+{(}_m^{n-2})+{(}_m^{n-1})+{(}_m^n)$

令k=n，对比一下：
$左={(}_m^0)+{(}_m^1)+{(}_m^2)+...+{(}_m^{n-2})+{(}_m^{n-1})+{(}_m^n)$
$右={(}_{m+1}^0)+{(}_m^0)+{(}_m^1)+{(}_m^2)+...+{(}_m^{n-2})+{(}_m^{n-1})+{(}_m^n)$

显然${(}_{m+1}^0)=0$喽，所以左边=右边。

QED.

推论

$\stackrel{n}{\sum _{i=k}}{(}_m^i)=\stackrel{n}{\sum _{i=0}}{(}_m^i)-\stackrel{k-1}{\sum _{i=0}}{(}_m^i)=\left({}_{m+1}^{n+1}\right)-\left({}_{m+1}^k\right)$

组合数求和难以直接优化时间复杂度，往往用于变换的步骤。

示例：
$\stackrel{n}{\sum _{i=0}}{(}_i^{a+i})=\stackrel{n}{\sum _{i=0}}{(}_a^{a+i})=\stackrel{n+a}{\sum _{i=a}}{(}_a^i)$
设$n+a=N$，$原式=\stackrel{N}{\sum _{i=a}}{(}_a^i)$，这样就很容易求了。

如果只有底项上有常量，可以直接套朱世杰恒等式。

刚才的示例启示我们，如果组合数的上下都含有变量，可以想办法先把底项搞成常量，再对顶项换元，转化成求$\sum {(}_m^i)$的形式。

但是如果顶项上只有常量，就不太好办了。

公式5：组合数卷积

对于一些组合数，我们可以分成两部枚举计算。

（底项为变量）范德蒙德卷积公式

从固定的两个组合中选取的总数是不变的，取遍所有可能，做法就是把两个组合数拍成一个${(}_i^n){(}_{k-i}^m)->{(}_k^{n+m})$：

$\stackrel{n}{\sum _{i=0}}{(}_i^n){(}_{k-i}^m)={(}_k^{n+m})$

先从n中选i个，再从m中选k-i个，并且$i\in [0,n]$,这意味着取遍了关于n+m的组合的所有可能，等价于从n+m中选出k个。

范德蒙德卷积公式用于特定组合数的时间复杂度优化：例题

范德蒙德卷积公式还有两种常见用法：

1. 优化形如$\stackrel{n}{\sum _{i=0}}{(}_i^n){(}_i^m)$的组合数求和问题：$\stackrel{n}{\sum _{i=0}}{(}_i^n){(}_i^m)=\stackrel{n}{\sum _{i=0}}{(}_i^n){(}_{m-i}^m)={(}_m^{n+m})$
2. 对于形如$\left({}_k^{x+y}\right)$的式子，可以回套范德蒙德卷积公式，做组合变换。

顶项为变量：

拍起来之后要上下两项要加1：

$\stackrel{n}{\sum _{i=0}}\left({}_x^{n-i}\right)\left({}_y^i\right)=\left({}_{x+y+1}^{n+1}\right)$

$\stackrel{n}{\sum _{i=0}}\left({}_x^{x+n-i}\right)\left({}_y^{y+i}\right)=\left({}_{x+y+1}^{x+y+n+1}\right)$

一种显然的想法是，有$x+y+n$个元素，取$x+y$个元素，枚举一个隔板，使得左边选x个，右边选y个，就相当于直接取$x+y$个，那么答案就是$\left({}_{x+y}^{x+y+n}\right)$，但是模拟一下就会发现这是错的，因为隔板不必要选（也选不了），所以这样就可能统计到两种相同的情况，而$\left({}_{x+y}^{x+y+n}\right)$不会统计到相同的情况，所以会比实际答案小：

所以我们必须强制选一个位置，考虑共有$x+y+n+1$个元素，从中取$x+y+1$个。这等价于，枚举一个位置，强制这个位置必选，这个元素前面选x个元素，后面选y个元素，这样就不会算重了，也即$\left({}_{x+y+1}^{x+y+n+1}\right)$。

QED.

（同理可证第一个。）

事实上，由于相似的理由，在相当多的组合计数题中，都必须强制指定一个位置必选，就比如上面范德蒙德卷积公式的例题。
这种限制方法的精髓在于，保证目前枚举的情况，一定属于之前枚举时的不合法情况，这样才保证不会重复。由于枚举，因此不会漏解。

这个公式也可以用于回套，做组合变换。

公式6：李善兰公式

${(}_x^n{)}^2=\stackrel{x}{\sum _{i=0}}{(}_i^x{)}^2{(}_{2x}^{n+i})$

令$n=n+x,i=x-i,x记作k$，即得常见的李善兰公式：${(}_k^{n+k}{)}^2=\stackrel{k}{\sum _{i=0}}{(}_i^k{)}^2{(}_{2k}^{n+2k-i})$

可以从组合意义证明一下：
李善兰公式其实是根据这个公式得到的（设$x\le y$）：
${(}_x^n){(}_y^n)=\stackrel{x}{\sum _{i=0}}{(}_i^x){(}_i^y){(}_{x+y}^{n+i})$

组合意义

这个公式的组合意义很明显，左边表示先从n个数中选x个数，再从n个数中选y个数。右边表示枚举选的x个数和y个数中有多少个是共同的，那就相当于先从n+i个数中选出x+y个数，再从x个数中选出i个数，y个数中选出i个数，使得这2i个数是共同的i个数。

从组合代换也可以证明李善兰公式，证明较繁。

公式7

${(}_n^{2n})=\stackrel{n}{\sum _{i=0}}{(}_i^n{)}^2$

这是范德蒙德卷积的一种特殊形式。也可以构造多项式证明，作者不会。

广义乘法原理

若从状态x_i转移到状态x_i+1，有m_i种方案，其中第j种方案的权值是w_i。定义从状态x₁转移到状态x_n的权值为每一次选择方案的权值之积，则总权值等于：$\stackrel{n-1}{\prod _{i=1}}\underset{j=1}{\sum ^{m_i}}{w}_j$

证明一下：
我们假设有这样的状态与转移：

也就是说，x₁->x₂对应的权值为{3,7,8}，x₂->x₃对应的权值为{2,1}。
从每一集合内任选一种，做乘积。再把所有可能性加和，显然符合乘法的形式：
ans=(3+7+8)×(2+1)

推理过程显然具有普遍性。
QED.

做法可以拓展到具有相应性质的任意两种运算上（现在是$+,\times$）。

重复元素组合问题

多重组合数

*这里说的多重组合数，不是“多重集组合数”。
将n个不同元素划分为$m$个有标号集合，使得第i个集合的元素数量为$m_i$个，有多少种划分的可能数记作：$\left({}_{m_1,m_2,...,m_m}^n\right)$

$\underset{i=1}{\sum ^m}{m}_i=n$
容易发现$\left({}_m^n\right)=\left({}_{n,n-m}^n\right)$。

那么重数为$\prod _i{m}_i!$，因此：$\left({}_{m_1,m_2,...,m_m}^n\right)=\frac{n!}{\prod _i{m}_i!}$

多重组合数与多项式定理有关。

多重组合数公式

多重集排列数

对于一个大小为$n$的可重集$S$，选出其中$m$个元素能够形成的所有不同排列的数量称为多重集排列数。

多重集排列/组合数可以使用生成函数（GF）求解。

对于可重集$S$，选出其中$n$个元素（即所有元素都选），能够形成的不同排列的数量有公式：
$\left({}_{m_1,m_2,...,m_m}^n\right)$

其中$m$表示可重集拥有的元素种类数，$m_i$表示第$i$种元素的重数。

因此多重集的排列数等于多重组合数。

其组合意义为：假设$S$中值为$i$的元素数量有$m_i$个，然后我们对$S$求一个排列$P$，同时还有一个大小为$n$不可重集合$A$，把$A$的第$i$个元素放到第$P_i$个有标号集合内，最终就得到了多重组合数的意义。

多重集组合数

对于一个大小为$n$的可重集合$S$，选出其中$m$个元素能够形成的所有不同组合的数量称为多重集组合数。

多重集组合数除了可以使用生成函数求解之外，还可以使用容斥原理求解。

后记

于是皆大欢喜。