排列组合与母函数

排列组合

排列就是指从给定个数的元素中取出指定个数的元素进行排序；组合是指从给定个数的元素中仅仅取出指定个数的元素，不考虑排序

加法&乘法原理

加法原理：完成一个事情有n类方法，$a_i$表示第$i$类方法的数目。那么完成这件事共有$S=a_1+a_2+\cdots +a_n$种不同的方法

乘法原理：完成一个事情有n个步骤，$a_i$表示第$i$个方法数目。那么完成这件事共有$S=a_1\times a_2\times \cdots \times a_n$种方法

排列与组合基础

排列数

从$n$个不同元素中，任取$m(m\le n)$个元素按照一定的顺序排成一列，叫做从$n$个不同元素中取出$m$个元素的一个排列，用符号$A_n^m$或者$P_n^m$表示。

计算公式为$A_n^m=n(n-1)(n-2)\dots (n-m+1)=\frac{n!}{(n-m)!}$

公式的理解：$n$个人选$m$个人来排队，第一个有$n$个选择，第二个有$n-1$个选择，则最后一个有$n-m+1$个选择

组合数

从$n$个不同元素中，任取$m$个元素组成一个集合，叫做从$n$个不同元素中取出$m$个元素的一个组合，用符号$C_n^m$来表示

计算公式为$C_n^m=\frac{A_n^m}{m!}=\frac{n!}{m!(n-m)!}$

公式的理解：考虑从$n$个人选$m$个出来，不排序和在乎顺序是$C_n^m$;在乎排序就是$A_n^m$，去掉重复就是$m!$，所以得$C_n^m\times m!=A_n^m$，$C_n^m=\frac{A_n^m}{m!}=\frac{n!}{m!(n-m)!}$

组合数也经常用$\left(\begin{array}{c}n\\ m\end{array}\right)$表示，读作$n$选$m$，称为二项式系数

二项式定理

二项式定理阐明了一个展开式的系数：

$$(a+b{)}^n=\sum _{i=0}^n\left(\begin{array}{c}n\\ m\end{array}\right)a^{n-i}{b}^i$$

证明可以用$\left(\begin{array}{c}n\\ k\end{array}\right)+\left(\begin{array}{c}n\\ k-1\end{array}\right)=\left(\begin{array}{c}n+1\\ k\end{array}\right)$

排列组合进阶

多重集的排列数 | 多重组合数

多重集是指包含重复元素的广义集合，设 S = { n 1 ⋅ a 1 , n 2 ⋅ a 2 , … , n k ⋅ a k } S=\{n_1\cdot a_1,n_2\cdot a_2,\dots,n_k\cdot a_k\} S={n1​⋅a1​,n2​⋅a2​,…,nk​⋅ak​}表示由$n_1$个$a_1$，$n_2$个$a_2$，$\dots$，$n_k$个$a_k$组成的多重集，$S$的全排列个数为

$$\frac{n!}{{\prod }_{i=1}^k{n}_i!}=\frac{n!}{n_1!n_2!\dots n_k!}$$

指数型母函数

具体的$n=n_1+n_2+\cdots +n_k$，这$n$个元素的全排列数就是多重集的排列数，也称为多重组合数，用符号表示为$\left(\begin{array}{c}n\\ n_1,n_2,\dots ,n_k\end{array}\right)=\frac{n!}{{\prod }_{i=1}^k{n}_i!}$

若只对其中$r$个元素进行排列呢，那就要用到指数型母函数。

构造母函数$G(x)=a_0+\frac{a_1}{1!}x+\frac{a_2}{2!}{x}^2+\dots$则称$G(x)$是数列$a_0,a_1,\dots ,a_n$的指数型母函数

步骤

1. 建立模型：物品$n$种，每种数量分别为$k_1,k_2,\dots ,k_n$个，求从中选出$m$个物品的排列方法数

2. 构造母函数：KaTeX parse error: No such environment: align at position 7: \begin{̲a̲l̲i̲g̲n̲}̲G(x)&=(1+\frac{…

   其中系数$a_i$为选出$i$个物品的方案数

代码

double fib(int n) {
	double res = 1.0;
	for (int i = 1; i <= n; ++i) {
		res = res * i;
	}
	return res;
}
double a[maxn], f[maxn], g[maxn];
int main() {
	int n, m;
	while (~scanf("%d%d", &n, &m)) {
		memset(f, 0, sizeof(f));
		memset(g, 0, sizeof(g));
		for (int i = 0; i < n; ++i) {
			scanf("%lf", &a[i]);
		}
		for (int i = 0; i <= a[0]; ++i) {
			f[i] = 1.0 / fib(i);
		}
		for (int i = 1; i < n; ++i) {
			for (int j = 0; j <= m; ++j) {
				for (int k = 0; k <= a[i] && j + k <= m; ++k) {
					g[j + k] += f[j] / fib(k);
				}
			}
			for (int j = 0; j <= m; ++j) {
				f[j] = g[j]; g[j] = 0;
			}
		}
		printf("%.0lf\n", f[m] * fib(m));
	}
}

导引

$x_1+x_2+\cdots +x_k=r$

相当于$\stackrel{x_1}{\overbrace{1\dots 1}}0\stackrel{x_2}{\overbrace{1\dots 1}}0\dots 0\stackrel{x_k}{\overbrace{1\dots 1}}$，$r$个1和$k-1$个0的排列，$\frac{(r+k-1)!}{r!(k-1)!}=\left(\begin{array}{c}r+k-1\\ k-1\end{array}\right)=\left(\begin{array}{c}r+k-1\\ r\end{array}\right)$

多重集的组合数1

设 S = { n 1 ⋅ a 1 , n 2 ⋅ a 2 , … , n k ⋅ a k } S=\{n_1\cdot a_1,n_2\cdot a_2,\dots,n_k\cdot a_k\} S={n1​⋅a1​,n2​⋅a2​,…,nk​⋅ak​}表示由$n_1$个$a_1$，$n_2$个$a_2$，$\dots$，$n_k$个$a_k$组成的多重集。那么对于整数$r(r<n_i,\bigvee i\subset [1,k])$，从$S$中选择$r$个元素组成一个多重集的方案数就是多重集的组合数。等价于$x_1+x_2+\cdots +x_k=r$的非负整数解的数目，可以用插板法求解，答案为 $$\left(\begin{array}{c}r-k+1\\ k-1\end{array}\right)$$

多重集的组合数2

设 S = { n 1 ⋅ a 1 , n 2 ⋅ a 2 , … , n k ⋅ a k } S=\{n_1\cdot a_1,n_2\cdot a_2,\dots,n_k\cdot a_k\} S={n1​⋅a1​,n2​⋅a2​,…,nk​⋅ak​}表示由$n_1$个$a_1$，$n_2$个$a_2$，$\dots$，$n_k$个$a_k$组成的多重集。那么对于整数$r$，从$S$中选择$r$个元素组成一个多重集的方案数。限制了每种元素取的个数，转换为带限制的线性方程求解：$\vee i\subset [1,k]，x_i\le n_i，\sum _{i=1}^k{x}_i=r$

容斥原理：

1. 全集：$\sum _{i=1}^k{x}_i=r$的非负整数解
2. 属性：$x_i\le n_i$

于是设满足属性$i$的集合是$S_i$，$\overline{S_i}$表示不满足属性$i$的集合，既满足$x_i\ge n_i+1$的集合。那么答案为$|\bigcap _{i=1}^k{S}_i|=|U|-|\bigcup _{i=1}^k{\overline{S}}_i|$

根据容斥定理，有KaTeX parse error: No such environment: split at position 7: \begin{̲s̲p̲l̲i̲t̲}̲|\bigcup\limits…

令全集$|U|=\left(\begin{array}{c}k+r-1\\ k-1\end{array}\right)$

例子

1. 从$(0,0)$到$(m,n)$的非降路径数

   无论哪条路径，必须在$x$方向走$m$步，$y$方向走$n$步，所以答案为$\frac{(m+n)!}{m!n!}=\left(\begin{array}{c}m+n\\ m\end{array}\right)$

   一般的，设$c\ge a,d\ge b$，则由$(a,b)$到$(c,d)$的非降路径数为$\left(\begin{array}{c}c-a+d-b\\ c-a\end{array}\right)$

2. 将$r$个相同的小球放入$n$个不同的盒子，总共有多少种方案

   转换为$r$个相同的小球与$n-1$个杯壁的排列问题，即$\left(\begin{array}{c}r+n-1\\ r\end{array}\right)$

3. 求集合 X = { 1 , 2 , … , n } X=\{1,2,\dots,n\} X={1,2,…,n}的不含相邻整数的$k$元子集$S$个数

   相当于有$0,1$组成的有序$n$重组，其中$1$表示该元素属于$S$，由于不含相邻整数，所以不含相邻的$1$，则答案为$k$个1，$n-k$个0，先将0排列，后将1插空放置，则方案数为$\left(\begin{array}{c}n-k+1\\ k\end{array}\right)$

不相邻的排列

$1\sim n$这$n$个自然数之间选$k$个，这$k$个数中任意两个数不相邻的组合有$\left(\begin{array}{c}n-k+1\\ k\end{array}\right)$种。

错位排列

要求位置放置的编号不同，有多少种不同的放置方法。

假设考虑第$n$个位置，初始我们把编号$n$放在第$n$个位置，然后考虑两种情况：

• 前面$n-1$个位置都不同
• 前面$n-1$个位置只有一个相同

第一种情况，编号$n$只需要与前面任一个位置交换即可，共有$f(n-1)\times (n-1)$种情况

第二种情况，将相同的编号与$n$交换即可，共有$f(n-1)\times (n-2)$种情况

所以，错位排列的方案数为$f(n)=(n-1)(f(n-1)+f(n-2))$

圆排列

$n$个人排成一圈，所有的排列数记为$Q_n^n$。考虑已经排好的一圈，从不同位置断开，都会形成不同的队列。所以有

$${\mathrm{Q}}_n^n\times n={\mathrm{A}}_n^n⟹{\mathrm{Q}}_n=\frac{{\mathrm{A}}_n^n}{n}=(n-1)!$$

组合数性质 | 二项式推论

对称性：$\left(\begin{array}{c}n\\ m\end{array}\right)=\left(\begin{array}{c}n\\ n-m\end{array}\right)$

递推式：$\left(\begin{array}{c}n\\ k\end{array}\right)=\frac{n}{k}\left(\begin{array}{c}n-1\\ k-1\end{array}\right)$

杨辉三角：$\left(\begin{array}{c}n\\ m\end{array}\right)=\left(\begin{array}{c}n-1\\ m\end{array}\right)+\left(\begin{array}{c}n-1\\ m-1\end{array}\right)$，用来$O(n^2)$递推

特殊情况：$\left(\begin{array}{c}n\\ 0\end{array}\right)+\left(\begin{array}{c}n\\ 1\end{array}\right)+\cdots +\left(\begin{array}{c}n\\ n\end{array}\right)=\sum _{i=0}^n\left(\begin{array}{c}n\\ i\end{array}\right)=2^n$

另一个特殊情况：$\sum _{i=0}^n(-1{)}^i\left(\begin{array}{c}n\\ i\end{array}\right)=0$

组合数的拆分（数据结构题目）：$\sum _{i=0}^m\left(\begin{array}{c}n\\ i\end{array}\right)\left(\begin{array}{c}m\\ m-i\end{array}\right)=\left(\begin{array}{c}m+n\\ m\end{array}\right)$，相当于原本从$m+n$个人中选$m$个人，相当于从$n$个人里面选$i$个，再从$m$人里面选另外的$m-i$个人。

​ 取$n=m$，得$\sum _{i=0}^n{\left(\begin{array}{c}n\\ i\end{array}\right)}^2=\left(\begin{array}{c}2n\\ n\end{array}\right)$

带权和：$\sum _{i=0}^{n}i\left(\begin{array}{c}n\\ i\end{array}\right)=n{2}^{n-1}$

​ 平方和：$\sum _{i=0}^n{i}^2\left(\begin{array}{c}n\\ i\end{array}\right)=n(n+1)2^{n-2}$

恒等式证明：$\sum _{l=0}^n\left(\begin{array}{c}l\\ k\end{array}\right)=\left(\begin{array}{c}n+1\\ k+1\end{array}\right)$，考虑$S=a_1,a_2,\dots ,a_{n+1}$的$k+1$子集数得证

$\left(\begin{array}{c}n\\ r\end{array}\right)\left(\begin{array}{c}r\\ k\end{array}\right)=\left(\begin{array}{c}n\\ k\end{array}\right)\left(\begin{array}{c}n-k\\ r-k\end{array}\right)$

$\sum _{k=1}^m\left(\begin{array}{c}m\\ k\end{array}\right)\left(\begin{array}{c}n\\ k\end{array}\right)=\left(\begin{array}{c}m+n\\ m\end{array}\right)$

$\sum _{i=0}^n\left(\begin{array}{c}n-i\\ i\end{array}\right)=F_{n+1}$，其中$F$为斐波那契数列

卡塔兰数

卡塔兰数是组合数学中一个常在各种计数问题中出现的数列。

卡塔兰数的一般项公式为$C_n=\frac{1}{n+1}\left(\genfrac{}{}{0ex}{}{2n}{n}\right)=\frac{(2n)!}{(n+1)!n!}$，前10项卡塔兰数为$1,1,2,5,14,42,132,429,1430,4862$

性质

$C_n$的另一个表达式：$C_n=\left(\genfrac{}{}{0ex}{}{2n}{n}\right)-\left(\genfrac{}{}{0ex}{}{2n}{n+1}\right),n\ge 1$

递推关系：$C_0=1,C_{n+1}=\sum _{i=0}^n{C}_i{C}_{n-i}$

​ 它也满足：$C_0=1,C_{n+1}=\frac{2(2n+1)}{n+2}{C}_n$

卡塔兰数的渐进增长为：$C_n\sim \frac{4^n}{n^{3/2}\sqrt{\pi }}$

母函数

卡塔兰数的母函数为$M(z)=\sum C_n{z}^n$，则$M(z)=1+zM(z{)}^2$

应用

• $C_n$表示长度$2n$的满足n个X和n个Y组成的字串，且所有的前缀字串皆满足X的个数大于等于Y的个数。以下满足条件的长度为6字串：XXXYYY XYXXYY XYXYXY XXYYXY XXYXYY

• 将上例X换成左括号，Y换成右括号，$C_n$表示所有包含n组括号的合法运算式的个数：((())) ()(()) ()()() (())() (()())

• $C_n$表示有n个节点组成的不同构二叉树的方案数

• $C_n$表示有2n+1个节点组成不同构满二叉树的方案数

  证明：令1表示进栈，0表示出栈，则可转化为求一个2n位、含n个1、n个0的二进制数，满足从左到右扫描到任意一位时，经过的0数不多于1数。显然含n个1、n个0的2n位二进制数共有$\left(\genfrac{}{}{0ex}{}{2n}{n}\right)$个，考虑减去不满足要求的数目。

  考虑一个含n个1、n个0的2n位二进制数，扫描到第2m+1位上时有m+1个0和m个1（一定存在这种情况），则后面的0-1排列中必有n-m个1和n-m-1个0。将2m+2及其以后的部分0变成1、1变成0，则对应一个存在n+1个0和n-1个1的二进制数。从而$C_n=\left(\genfrac{}{}{0ex}{}{2n}{n}\right)-\left(\genfrac{}{}{0ex}{}{2n}{n+1}\right)=\frac{1}{n+1}\left(\genfrac{}{}{0ex}{}{2n}{n}\right)$

• $C_n$表示所有$n\times n$格点中不越过对角线的单调路径的个数。一个单调路径从左下角出发，右上角结束，每一步均为向上或向右。计算这种路径相当于计算第一种字串的数目：X代表向右，Y代表向上

• $C_n$表示通过连接顶点而将$n+2$边的凸多边形分成三角形的方法个数。

• $C_n$表示对 { 1 , 2 , … , n } \{1,2,\dots,n\} {1,2,…,n}依次进入栈的置换个数。

母函数

某个序列$(a_n)n\in \mathbb{N}$的母函数是一种形式幂级数，其每一项的系数可以提供关于这个序列的信息

母函数分为很多种，包括普通母函数、指数母函数、L级数、贝尔级数和狄利克雷级数。对每个序列都可以写出以上每个类型的一个母函数。

构造母函数的目的是为了解决某个特定的问题，因此选用何种母函数视乎序列本身的特性和问题的类型。

普通母函数

引入

当投掷n粒骰子时，加起来点数总和等于m的可能方式的数目

采用母函数方法得出可能的数目是$(x+x^2+x^3+x^4+x^5+x^6{)}^n$的展开式中$x^m$项的系数。

有1克、2克、3克、4克的砝码各一枚，求能称出多少种重量

每种砝码有选和不选的两种状态，包含全不选共$2^4=16$种方案数

在多项式里，系数是不同项的积的和，而这里我们要计算的重量的和，因此我们可以用幂运算来表示。因此可以表示为$(x^0+x^1)(x^0+x^2)(x^0+x^3)(x^0+x^4)$=$x^0+x^1+x^2+2x^3+2x^4+2x^5+2x^6+2x^7+x^8+x^9+x^{10}$，每一项$a_i{x}^i$的系数为重量为$i$的方案数为$a_i$，故结果为系数和

概念

普通母函数就是最常见的母函数。一般来说，序列$(a_n)n\in \mathbb{N}$的母函数为：$G(a_n;x)=\sum _{n=0}^{\infty }{a}_n{x}^n$

引申

求用1克、2克、3克的砝码称出$x$克的方案数

这个地方砝码的数量是无限的，母函数表示为$(x^0+x^1+x^2+\dots )$$(x^0+x^2+x^4+\dots )$$(x^0+x^3+x^6+\dots )$，结果也是无限的。但对于给定的$x$，我们只需要维护$a_i{x}^i$，其中$i\le x$的部分。

代码

求给出重量为$1\sim 6$的物品的个数，求是否能把物品分成重量相同的两堆

const int maxn = 6e3 + 5;
int a[10];
int f[maxn], g[maxn];
bool check(int limit) {
	memset(f, 0, sizeof(f));
	memset(g, 0, sizeof(g));
	for (int i = 0; i <= a[1]; ++i) f[i] = 1;
	for (int i = 2; i <= 6; ++i) {
		for (int j = 0; j <= limit; ++j) {
			for (int k = 0; k <= a[i] && j + i * k <= limit; ++k) {
				g[j + i * k] += f[j];
			}
		}
		for (int j = 0; j <= limit; ++j) {
			f[j] = g[j]; g[j] = 0;
		}
	}
	return f[limit] ? true : false;
}
int main()
{
	for (int cas = 1; ; ++cas) {
		int sum = 0;
		for (int i = 1; i <= 6; ++i) {
			scanf("%d", &a[i]);
			if (a[i] >= 8)
				a[i] = a[i] & 1 ? 11 : 12;
			sum += i * a[i];
		}
		if (sum == 0) break;
		printf("Collection #%d:\n", cas);
		if (sum & 1) printf("Can't be divided.\n\n");
		else printf("%s\n\n", check(sum / 2) ? "Can be divided." : "Can't be divided.");
	}
}

指数型母函数

对于序列$a_0,a_1,\dots$，函数$G_e(x)=a_0+\frac{a_1}{1!}x+\frac{a_2}{2!}{x}^2+\cdots +\frac{a_k}{k!}{x}^k+\dots$称为序列$a_0,a_1,a_2,\dots$对应的指数型母函数

指数型母函数用来解决多重集的排列问题

步骤

1. 建立模型：物品$n$种，每种数量分别为$k_1,k_2,\dots ,k_n$个，求从中选出$m$个物品的排列方法数

2. 构造母函数：KaTeX parse error: No such environment: align at position 7: \begin{̲a̲l̲i̲g̲n̲}̲G(x)&=(1+\frac{…

   其中系数$a_i$为选出$i$个物品的方案数

代码

double fib(int n) {
	double res = 1.0;
	for (int i = 1; i <= n; ++i) {
		res = res * i;
	}
	return res;
}
double a[maxn], f[maxn], g[maxn];
int main() {
	int n, m;
	while (~scanf("%d%d", &n, &m)) {
		memset(f, 0, sizeof(f));
		memset(g, 0, sizeof(g));
		for (int i = 0; i < n; ++i) {
			scanf("%lf", &a[i]);
		}
		for (int i = 0; i <= a[0]; ++i) {
			f[i] = 1.0 / fib(i);
		}
		for (int i = 1; i < n; ++i) {
			for (int j = 0; j <= m; ++j) {
				for (int k = 0; k <= a[i] && j + k <= m; ++k) {
					g[j + k] += f[j] / fib(k);
				}
			}
			for (int j = 0; j <= m; ++j) {
				f[j] = g[j]; g[j] = 0;
			}
		}
		printf("%.0lf\n", f[m] * fib(m));
	}
}

优化

泰勒展开和$e^x$的幂级数$f(x)=e^x,f^{\prime }(x)=e^x,f^{\prime \prime }(x)=e^x,\dots ,f^n(x)=e^x$，$e^x=\sum _{n=0}^{\infty }\frac{1}{n!}{x}^n$

例子

$h_R(x)=1+\frac{x^2}{2!}+\frac{x^4}{4!}+\frac{x^6}{6!}+\dots$

$h_B(x)=1+\frac{x}{1!}+\frac{x^2}{2!}+\frac{x^3}{3!}+\dots$

$h_G(x)=1+\frac{x^2}{2!}+\frac{x^4}{4!}+\frac{x^6}{6!}+\dots$

$h_Y(x)=1+\frac{x}{1!}+\frac{x^2}{2!}+\frac{x^3}{3!}+\dots$

KaTeX parse error: No such environment: align at position 7: \begin{̲a̲l̲i̲g̲n̲}̲g^e(x)&=h_R(x)h…

代入$e^{kx}=\sum _{i=0}^{\infty }\frac{k^n{x}^n}{n!}$，得$g^e(x)=\frac{1}{4}+\frac{\sum _{i=0}^{\infty }(4^i+2^{i+1})x^i}{i!}$

所以得第$k$项系数为$4^{i-1}+2^i$

用$e^x+e^{-x}$消去奇数项