十四、 组合数学

人们在生活中经常会遇到排列组合问题。比如说：在$5$个礼物中选$2$个，问有多少种选取方法？
组合数学就是研究一个集合内满足一定规则的排列问题。这类问题如下：

1. 存在问题：即判断这些排列是否存在
2. 计数问题：计算出有多少种排列，并构造出来
3. 优化问题：如果有最优解，给出最优解
   组合数学涉及的内容很多，包括：
4. 基本计数规则：乘法规则、加法规则、生成排列组合、多项式系数、鸽巢原理等。
5. 计数问题：二项式定理、递推关系、容斥定理、Polya定理等。
6. 存在问题：编码、组合设计、图论中的存在问题等。
7. 组合优化：如匹配和覆盖、图和网络的优化问题。
   这部分之讲解一些简单的类型。

鸽巢原理(抽屉原理)

内容非常简单：把$n+1$个物体放进$n$个盒子，至少有一个盒子包含两个或更多的物体。
例如：在$1500$人中，至少有$5$人生日相同；$n$个人互相握手，一定有两个人握手的次数相同。

比如说：小A有$K$种糖果，每种数量已知，小A不喜欢连续两次吃同样的糖果，问有没有可行的吃糖方案。
该题是非常典型的鸽巢原理问题，可以用“隔板法”求解。找出最多的一种糖果，把它的数量$N$看成$N$个隔板，隔成$N$个空间(把每个隔板的右边看成一个空间)；其他所有糖果的数量为$S$。

1. 如果$S<N-1$，把$S$个糖果放到隔板之间，这$N$个隔板不够放，必然至少有两个隔板之间没有糖果，由于这两个隔板是同一种糖果，所以无解。
2. 当$S\ge N-1$时，肯定有解。其中一个解是把$S$个糖果排成一个长队，注意同种类的糖果是挨在一起的，然后每次取$N$个糖果，按顺序一个一个地放进$N$个空间。由于隔板的数量比每一种糖果的数量都多，所以不可能有两个同样的糖果被放进一个空间里。把$S$个糖果放完，就是一个解，一些隔板里面可能放几种糖果。

杨辉三角和二项式定理

读者一定非常熟悉排列和组合公式。
排列：$A_n^k=\frac{n!}{(n-k)!}$
组合：$C_n^k=\left(\begin{array}{c}n\\ k\end{array}\right)=\frac{A_n^k}{k!}=\frac{n!}{k!(n-k)!}$
这里把组合数$C_n^k$用符号$\left(\begin{array}{c}n\\ k\end{array}\right)$表示，称为二项式系数。杨辉三角是二项式系数$\left(\begin{array}{c}n\\ r\end{array}\right)$的典型应用。杨辉三角是排列成如下三角形的数字：

						    1
						   1 1
						  1 2 1
						 1 3 3 1
						1 4 6 4 1

每一行从上一行推导而来。如果编程求杨辉三角第$n$行的数字，可以模拟这个推导过程，逐级递推，复杂度是$O(n^2)$。不过，若改用数学公式计算，则可以直接得到结果，比用递推快多了，这个公式就是$(1+x{)}^n$。观察$(1+x{)}^n$的展开：
$(1+x{)}^0=1$
$(1+x{)}^1=1+x$
$(1+x{)}^2=1+2x+x^2$
($1+x{)}^3=1+3x+3x^2+x^3$
每行展开的系数刚好对应杨辉三角每一行的数字。即:杨辉三角可以用$(1+x{)}^n$来定义和计算。
那么如何计算$(1+x{)}^n$？二项式系数$\left(\begin{array}{c}n\\ k\end{array}\right)=\frac{n!}{k!(n-k)!}$就是$(1+x{)}^n$展开后的系数。它们的关系可以这样理解：$(1+x{)}^n$的第$k$项，实际上就是从$n$个$x$中选出$k$个，这就是组合数$\left(\begin{array}{c}n\\ k\end{array}\right)$的定义。所以：
$$(1+x{)}^n=\sum _{k=1}^n\left(\begin{array}{c}n\\ k\end{array}\right)k^n$$
这个公式称为二项式定理。
有了这个公式，在求杨辉三角第n行的数字时就可以用公式直接计算了，复杂度为
$O(1)$。不过，该公式中有$n!$，如果直接计算$n!$，由于太大，有可能溢出。例如$n=30$，$30!$超过了$longlong$的范围。此时可以利用$\left(\begin{array}{c}n\\ k-1\end{array}\right)$和$\left(\begin{array}{c}n\\ k\end{array}\right)$的递推关系$\frac{\left(\begin{array}{c}n\\ k\end{array}\right)}{\left(\begin{array}{c}n\\ k-1\end{array}\right)}=\frac{n-k+1}{k}$逐个推导，避免计算阶乘。

容斥原理

在计数时，有时情况比较多，相互有重叠。为了使重叠部分不被重复计算，可以这样处理：先不考虑重叠的情况，把所有对象的数目计算出来，然后减去重复计算的数目。这种计数方法称为容斥原理。例如一根长为$60m$的绳子，每隔$3m$做一个记号，每隔$4m$也做一个记号，然后把有记号的地方剪断，问绳子共被剪成了多少段？
容斥原理的解题思路是：

1. $3$的倍数有$20$个，不算绳子两头，有：$20-1=19$个记号；
2. $4$的倍数有$15$个；
3. 既是$3$的倍数又是$4$的倍数的，有：$60÷(3\times 4)=5$个。
4. 所以记号的总数量是：$(20-1)+(15-1)-(5-1)=29$，绳子被剪成$29$段。

概率与期望

概率和数学期望是概率论和统计学中的数学概念。
设有随机变量$X$，出现取值$x_i$的概率是$p_i$，把它们的乘积之和称为数学期望(均值)，记为$E(X):$
$$E(X)=\sum _{i=1}^n{x}_i{p}_i$$

$E(X)$是基本的数学特征之一，它反映了随机变量平均值的大小。
以妇女的生育率为例，假设某国有$2000$万个育龄妇女，不生育妇女有$277$万，一孩$724$万，二孩$883$万，三孩$116$万。记一个妇女的孩子数量是$X$，取值$0、1、2、3$，概率分别是：$277/2000=0.1385、724/2000=0.362、883/2000=0.4415、116/2000=0.058$。那么平均每个妇女生育的孩子数量如下：
$$E(X)=0\times 0.1385+1\times 0.362+2\times 0.4415+3\times 0.058=1.419$$
数学期望具有线性性质。有限个随机变量之和的数学期望等于每个变量的数学期望之和：$$E(X+Y)=E(X)+E(Y)$$
竞赛中求数学期望的题目一般都会用到它的线性性质。由于线性性质和DP的状态转移思想很相似，所以常常用DP来实现。

例如：一个软件有$S$个子系统，会产生$n$种$bug$。现在要找出所有种类的$bug$。假设某人一天发现一个$bug$。一个$bug$属于某个子系统的概率是$\frac{1}{S}$,属于某种分类的概率是$\frac{1}{n}$，问发现$n$种$bug$，且每个子系统都发现$bug$的天数的期望。$0<n,s\le 1000$。给出$n和s$，求出数学期望。
分析：
定义状态$dp[i][j]$，它表示已经找到$i$种$bug$，并存在于$j$个子系统中，要达到目标状态还需要的期望天数。其中，$dp[n][s]$表示已经找到$n$种$bug$，且存在于$s$个子系统，说明已经达到了目标，还需要$0$天，所以$dp[n][s]=0$。从$dp[n][s]$倒推回$dp[0][0]$，就是本题的答案，即还没有找到任何$bug$的情况下到达$dp[n][s]$时需要的期望天数。
从$dp[i][j]$开始：后面$1$天找到$1$个$bug$，可能有以下$4$种情况：

1. $dp[i][j]$：发现一个$bug$，属于已经有的$i$个分类和$j$个系统，概率为$p1=(i/n)\ast (j/s)$。这一天相当于浪费了。
2. $dp[i+1][j]$：发现一个$bug$，不属于已有分类、属于已有系统，概率为：
   $p2=(1-i/n)\ast (j/s)$
3. $dp[i][j+1]$：发现一个$bug$，属于已有分类、不属于已有系统，概率为：
   $p3=(i/n)\ast (1-j/s)$
4. $dp[i+1][j+1]$：发现一个$bug$，不属于已有系统、不属于已有分类，概率为：$p4=(1—i/n)\ast (1-j/s)$

可以验证：$p1+p2+p3+p4=1$。
状态转移方程如下：
$$dp[i][j]=p1\ast dp[i][j]+p2\ast dp[i+1][j]+p3\ast dp[i][j+1]+p4\ast dp[i+1][j+1]+1$$
$+1$是因为末尾要加上$1$天

整理得到：
$$dp[i][i]=(p2\ast dp[i+1][i]+p3\ast dp[i][j+1]+p4\ast dp[i+1][j+1]+1)/(1-p1)$$
$$=(n\ast s+(ni)\ast j\ast dp[i+1][j]+i\ast (s-j)\ast dp[i][j+1]$$
$$+(n-i)\ast (s-j)\ast [i+1][j+1])/(n\ast s-i\ast j)$$
在写程序时，从$dp[n][s]$倒推到$dp[0][0]$，$dp[0][0]$就是答案。

    cin >> n >> s;
    for (int i = n; i >= 0; i--) {
        for (int j = s; j >= 0; j--) {
            if (i == n && j == s) {
                dp[n][s] = 0.0;
            } else {
		        dp[i][j] = (n * s + (n - i) * j * dp[i + 1][j] 
		        + i * (s - j) * dp[i][j + 1] +(n - i) * (s - j) 
		        * dp[i + 1][j + 1]) / (n * s - i * j);
            }
        }
    }