容斥 × DP 完全指南：从底层手法到工具系统（含斯特林数专题与练习题集）

这篇文章是我一段时间以来对「容斥原理及其周边技术」的系统整理。它不只罗列公式，而是试图回答两个问题：这些技术之间是什么关系？面对新题时如何选工具？

全文分五部分：底层翻译手法 → 核心工具四件套 → 扩展工具箱 → 斯特林数专题 → 练习题集。建议先读第〇部分的全景图，再按需跳读。

---

〇、全景图：三层结构

Layer 0  手法层（翻译层）——把"算不动的量"翻译成"算得动的量"
├── A  乘积 → 标记/见证（下降幂、pointing 算子 xF'）
├── B  统计量 → 指标和 + 交换求和序（min 易 / max 难）
└── C  约束 → 规范事件
    ├── C1 前缀差分（链上 Möbius）
    ├── C2 规范块分解（exp / log）
    └── C3 第一违例（O(k²) DP）
          ↓ 实例化 / 系统化
Layer 1  工具层
├── 经典容斥 + DP        ← C 的朴素形态
├── 二项式反演           ← C1 在子集序上的推广
├── Min-Max 容斥         ← B 中 "max 难" 的系统化
├── 反射原理 / LGV       ← C3 失效（无序）时的带符号路线
├── Möbius 反演          ← C1 在整除序上的推广
└── 生成函数（exp/log）  ← C2 的代数载体
          ↓ 实现
优化层
├── FMT / 子集卷积 / 高维前缀和
├── NTT / 分治 NTT / 牛顿迭代
├── BM + 线性递推
└── Meet-in-the-Middle

一句话总纲：有序用见证，无序用容斥；乘积换标记，约束换规范。

---

一、Layer 0：三种底层翻译手法

1.1 组合意义：把乘积翻译成"标记"

很多式子有组合意义。比如有 \(n\) 个变量，每次选择一个变量 \(+1\)，最后得到 \(a_1,a_2,\dots,a_n\)，那么 \(\prod_i a_i\) 就可以表示：对于每个 \(i\)，选择一个覆盖它的操作的方案数。

原理：\(\prod_i a_i\) 不是抽象的数，而是"对每个 \(i\)，从覆盖它的 \(a_i\) 次操作中选一个见证"的方案数。于是

\[\sum_{\text{方案}} \prod_i a_i \;=\; \#\{(\text{方案},\ \text{每个 } i \text{ 的一个标记操作})\} \]

右边可以先选标记、再填剩余部分，往往直接可算。

小验证（\(n=2\) 个变量、共 \(m\) 次操作，枚举所有操作序列）：

\[\sum_{\text{序列}} a_1 a_2 = \underbrace{m(m-1)}_{\text{选两个不同位置作标记}}\cdot \underbrace{2^{m-2}}_{\text{其余随意}} \]

推广与连接：

• 一般化：\(\prod_i a_i^{\underline{k_i}}\) = 给 \(i\) 选 \(k_i\) 个互不相同的标记 —— 这正是下降幂的组合意义；
• 生成函数语言：标记一个原子 = pointing 算子 \(xF'(x)\)；
• 它解释了后文的核心现象：期望题里 \(E[X^{\underline k}]\) 好算而 \(E[X^k]\) 难算，因为下降幂 = 见证数，普通幂没有直接见证解释，需经斯特林数转基。

卡片：看到乘积/幂次权值 → 想到标记/见证 → 下降幂。

1.2 拆贡献：把统计量翻译成指标和

比如要对所有方案算 \(\sum a_i\) 之和，可以单独对每个 \(a_i\) 算它被算了多少次。比如 \(|x-y|\) 可以被拆成 \(\sum_i [\min(x,y)\le i<\max(x,y)]\)，然后对每个 \(i\) 算贡献。

原理：两步走。① 把非线性统计量写成对辅助坐标 \(i\) 的指示变量求和；② 交换求和序，对每个 \(i\) 算贡献。

\[\sum_{\text{方案}}\sum_i (\cdots) \;=\; \sum_i \sum_{\text{方案}} (\cdots) \]

\(|x-y|\) 的例子即"数轴上第 \(i\) 个间隙被 \((x,y)\) 跨越"，由此得经典结论：\(\sum_{x i\})\)。

常用分解清单：

统计量	指标分解	难易
\(\min(x,y)\)	\(\sum_i [x>i][y>i]\)	易（指示相乘，独立友好）
\(\max(x,y)\)	\(\sum_i \big(1-[x\le i][y\le i]\big)\)	需展开 → 引出容斥
\(\lvert x-y\rvert\)	\(\sum_i [\min\le i<\max]\)	易
\([\gcd(x,y)=1]\)	\(\sum_{d\mid x,\,d\mid y}\mu(d)\)	数论版指标分解

关键观察：\(\min\) 是"交"（指示相乘，天然好算），\(\max\) 是"并"（需要展开容斥）。Min-Max 容斥就是这个不对称的系统化——1.2 是 1.3 和 Min-Max 的动机来源。

1.3 处理约束的三种姿势

C1 前缀差分：算最大值 \(=x\) 的方案数，可以用 \(\le x\) 的减掉 \(\le x-1\) 的。

\[[\max = x] = [\max\le x]-[\max\le x-1] \]

这是链上的 Möbius 反演；二项式反演是它在子集序上的类比（"恰好 \(k\)" vs "至少 \(k\)"）。

C2 规范块分解：算连通图数量，可以用总方案数减掉不连通的，而不连通的枚举包含 1 号点的连通块，外面任意连即可。

\[G_n=\sum_{k=1}^{n}\binom{n-1}{k-1}C_k\,G_{n-k}\quad\Longleftrightarrow\quad G(x)=\exp C(x),\ \ C(x)=\ln G(x) \]

关键不是"总减不连通"这个说法，而是固定规范代表（含 1 号点的块唯一）使分解不重不漏。

C3 第一违例：给定平面上若干障碍点，算左上走到右下的方案数，可以用总的减掉经过障碍点的，然后枚举第一个经过的障碍点，变成子问题。

\[f(p)=\mathrm{ways}(s\to p)-\sum_{q\prec p} f(q)\,\mathrm{ways}(q\to p) \]

\(O(k^2)\) 替代 \(O(2^k)\) 容斥；条件是存在与可达性相容的"第一"（偏序/时间序）。反射原理里的"首次触碰"也是它。

统一洞察（本文核心一句）：

面对"存在某个坏/好事件"，有两条路线：

1. 选唯一见证（第一违例、最小元、含 1 号点的块）→ 无符号、DP/GF 友好，但需要结构（序或唯一性）；
2. 带符号叠加（容斥、LGV 的 \(\det\)）→ 无需序，代价是符号与 \(O(2^k)\)/行列式。

有序用见证，无序用容斥。

1.1 的标记手法是同一哲学的另一面：把权值也变成"见证"来数。

---

二、Layer 1：核心工具四件套

2.1 经典容斥 + DP

\[\Big|\overline{A_1}\cap\cdots\cap\overline{A_m}\Big|=\sum_{T\subseteq[m]}(-1)^{|T|}\,\Big|\bigcap_{i\in T}A_i\Big| \]

• 最熟的应用：错排数 \(D_n=n!\sum_{i=0}^n\frac{(-1)^i}{i!}\)；
• 与 DP 的结合：当"至少包含坏集 \(T\)" 的值只依赖 \(|T|\) 或可分解时，枚举子集/计数后乘组合系数；
• 它正是 1.3 中 C 路线的朴素形态：找不到唯一见证时的默认选择。

2.2 二项式反演

\[f(n)=\sum_{k=0}^{n}\binom{n}{k}g(k)\iff g(n)=\sum_{k=0}^{n}(-1)^{n-k}\binom{n}{k}f(k) \]

• 语义：\(f\) = "至少"，\(g\) = "恰好"。凡是"恰好难、至少易"的场景直接套；
• 它是 C1（前缀差分）在子集偏序上的推广，也是后文斯特林数两条通项公式互推的引擎。

2.3 Min-Max 容斥

\[\max(S)=\sum_{\emptyset\neq T\subseteq S}(-1)^{|T|-1}\min(T) \]

期望版本（在随机过程中同样成立，这是它最值钱的形式）：

\[E[\max(S)]=\sum_{\emptyset\neq T\subseteq S}(-1)^{|T|-1}E[\min(T)] \]

• 动机来自 1.2：\(\min\) 是交（好算），\(\max\) 是并（难算），于是用带符号叠加把 \(\max\) 拆成 \(\min\)；
• \(E[\min(T)]\) 通常是几何分布：\(E[\min(T)]=\frac{1}{P(T\text{ 中事件发生})}\)；
• 配合高维前缀和（子集和）枚举所有 \(T\)，复杂度 \(O(2^n)\) 或 \(O(n2^n)\)。

2.4 反射原理与 LGV 引理

反射原理（C3"首次触碰"的显式化）：从 \((0,0)\) 到 \((n,m)\)、全程保持 \(y\le x\) 的单调路计数：

\[\binom{n+m}{m}-\binom{n+m}{m-1} \]

（取 \(n=m\) 即 Catalan 数。）

LGV 引理（相交路族的带符号消去）：在 DAG 上，设 \(e(a,b)\) 为 \(a\to b\) 的所有路径权值和，则

\[\det\big(e(a_i,b_j)\big)_{i,j}=\sum_{\sigma}\mathrm{sgn}(\sigma)\prod_i e(a_i,b_{\sigma(i)}) \]

当"任何相交路族都能两两交换尾巴"时，相交项对消，行列式 = 不相交路族的（带符号）计数。

• 选择判据（接 1.3）：能定义"第一交点/首触"且结构是链 → 反射/C3；交点结构复杂、无自然序 → LGV 用行列式硬消。

---

三、扩展工具箱

3.1 Möbius 反演（数论版容斥）

\[f(n)=\sum_{d\mid n}g(d)\iff g(n)=\sum_{d\mid n}\mu\!\Big(\frac{n}{d}\Big)f(d),\qquad [\gcd(x,y)=1]=\sum_{d\mid \gcd(x,y)}\mu(d) \]

它是 C1 在整除偏序上的推广；二项式反演、子集反演、数论反演是同一个 Möbius 反演在不同偏序集上的实例。

模板：线性筛 \(\mu\)

mu[1] = 1;
for (int i = 2; i < N; i++) {
    if (!vis[i]) pr[++cnt] = i, mu[i] = -1;
    for (int j = 1; j <= cnt && 1LL * i * pr[j] < N; j++) {
        vis[i * pr[j]] = 1;
        if (i % pr[j] == 0) { mu[i * pr[j]] = 0; break; }
        mu[i * pr[j]] = -mu[i];
    }
}

模板：Dirichlet 前缀和（整除格上的 zeta 变换，\(O(N\log\log N)\)，可视为"整除版 FMT"）

for (int j = 1; j <= cnt; j++)          // 枚举质数 p
    for (int i = 1; i * pr[j] < N; i++)
        f[i * pr[j]] += f[i];           // 得到 g(n) = Σ_{d|n} f(d)
// 逆变换（Möbius 变换）：同结构反向循环并改为减法

典型应用：互质对计数、GCD 卷积、本原串计数（\(a_n=\sum_{d\mid n}b_d \Rightarrow b_n=\sum_{d\mid n}\mu(n/d)a_d\)）。

3.2 生成函数：容斥的代数载体

组合操作	OGF / EGF
标号对象的不相交并（set-of-components）	\(G=\exp C \iff C=\ln G\)
恰好 \(k\) 个组件	\([y^k]\exp(yA(x))\)
序列构造	\(\frac{1}{1-A(x)}\)

• \(\ln/\exp\) 的级数展开本身就是容斥：错排 EGF \(D(x)=\frac{e^{-x}}{1-x}\)，分子 \(e^{-x}\) 即容斥符号的来源；
• 实用工具：牛顿迭代求 \(\ln F,\exp F,\sqrt F\)，\(O(n\log n)\)；OGF↔EGF 的 Borel 变换。

3.3 概率方法：容斥的替代视角

• 指示变量法：\(E[X]=\sum_i P(I_i=1)\)，无需容斥即可求期望（1.2 的概率版）；
• Wald 等式 / 可选停止定理：马尔可夫停时结构下把复杂过程锚定到初值，\(E[M_T]=E[M_0]\)；当过程有良好停时结构时优于 Min-Max，否则 Min-Max 更通用；
• 耦合/占优：不求精确值而求界，用于证明题与近似分析。

3.4 线性代数工具：把组合容斥变成代数对象

工具	用途	与容斥的联系
Kirchhoff 矩阵树定理	生成树计数	\(\det(L')\) 本质是边集上的 inclusion-exclusion
BEST 定理	有向欧拉回路计数	矩阵树 + 阶乘修正
Pfaffian	平面图完美匹配	\(\mathrm{Pf}(A)^2=\det A\)，符号由平面定向决定
Transfer Matrix	带状/周期结构计数	矩阵幂替代容斥求和

共同主题：将 \(O(2^n)\) 的带符号枚举压缩为 \(O(n^3)\) 的行列式。

3.5 高级优化技术

技术	适用场景	复杂度
子集卷积（FMT + 占位幂级数）	\(h(S)=\sum_{T\subseteq S}f(T)g(S\setminus T)\) 且需记录 $	T
分治 NTT	递推核随 \(n\) 变化（如连通图递推、第一类斯特林整行）	\(O(n\log^2 n)\)
BM + 线性递推（Kitamasa）	容斥结果是线性递推序列	猜递推后 \(O(k^2\log n)\)
Meet-in-the-Middle 容斥	\(n\approx 40\)	\(O(2^{n/2})\)

---

四、斯特林数专题

4.1 第二类斯特林数 \(\begin{Bmatrix}n\\m\end{Bmatrix}\)

定义：\(n\) 个不同球放入 \(m\) 个相同非空盒。递推：\(\begin{Bmatrix}n\\m\end{Bmatrix}=\begin{Bmatrix}n-1\\m-1\end{Bmatrix}+m\begin{Bmatrix}n-1\\m\end{Bmatrix}\)。

通项公式（容斥的直接产物）：

\[m!\begin{Bmatrix}n\\m\end{Bmatrix}=\sum_{i=0}^{m}\binom{m}{i}(-1)^i(m-i)^n \]

推导：乘 \(m!\) 后盒子变不同，即满射个数；容斥"哪些盒子为空"即得。单值 \(\Theta(m)\)；整行可写成卷积

\[\begin{Bmatrix}n\\m\end{Bmatrix}=\sum_{i=0}^{m}\underbrace{\tfrac{(-1)^i}{i!}}_{f(i)}\cdot\underbrace{\tfrac{(m-i)^n}{(m-i)!}}_{g(m-i)}\ \Rightarrow\ O(n\log n)\ \text{(NTT)} \]

幂展开（组合意义显然）：

\[m^n=\sum_{i=0}^{m}\binom{m}{i}\begin{Bmatrix}n\\i\end{Bmatrix}i!\;=\;\sum_{i}\begin{Bmatrix}n\\i\end{Bmatrix}m^{\underline i} \]

推导：按"实际非空盒数 \(i\)"分类。它与通项公式互为二项式反演对，知一推一。

下降幂桥梁：\(m^n=\sum_i\begin{Bmatrix}n\\i\end{Bmatrix}m^{\underline i}\) 的价值在于 \(m^{\underline i}\) 在求和/差分/期望下行为良好（对应 1.1 的"见证"解释），这是期望题的核心转基操作。

EGF：\(\sum_n\begin{Bmatrix}n\\m\end{Bmatrix}\frac{x^n}{n!}=\frac{(e^x-1)^m}{m!}\)（非空集合的 EGF 是 \(e^x-1\)，set-of 构造取 \(\exp\)）。

4.2 第一类斯特林数 \(\begin{bmatrix}n\\m\end{bmatrix}\)

定义：\(n\) 个不同元素排成 \(m\) 个非空轮换；由排列的轮换分解，\(\sum_m\begin{bmatrix}n\\m\end{bmatrix}=n!\)。

递推（与第二类对仗，系数差异 = 选集合 vs 插位置）：

\[\begin{bmatrix}n\\m\end{bmatrix}=\begin{bmatrix}n-1\\m-1\end{bmatrix}+(n-1)\begin{bmatrix}n-1\\m\end{bmatrix} \]

生成函数（上升幂展开，对应第二类的下降幂）：

\[x^{\overline n}=x(x+1)\cdots(x+n-1)=\sum_{m=0}^{n}\begin{bmatrix}n\\m\end{bmatrix}x^m \]

带符号版本：\(x^{\underline n}=\sum_m s(n,m)x^m\)，\(s(n,m)=(-1)^{n-m}\begin{bmatrix}n\\m\end{bmatrix}\)。

EGF（与第二类完美对仗：集合 EGF \(e^x-1\) ↔ 轮换 EGF \(\ln\frac{1}{1-x}\)）：

\[\sum_{n\ge m}\begin{bmatrix}n\\m\end{bmatrix}\frac{x^n}{n!}=\frac{1}{m!}\Big(\ln\frac{1}{1-x}\Big)^m \]

快速计算：

目标	方法	复杂度
整行 \(\begin{bmatrix}n\\0..n\end{bmatrix}\)	分治 NTT 乘 \(\prod_{i=0}^{n-1}(x+i)\)（或倍增 \(O(n\log n)\)）	\(O(n\log^2 n)\)
整列	EGF：先求 \(\ln\frac1{1-x}\) 再快速幂	\(O(n\log n)\)

实质差异：第二类整行有通项卷积形式（一次 NTT），第一类没有，需分治乘法。

常用特值：\(\begin{bmatrix}n\\1\end{bmatrix}=(n-1)!\)，\(\begin{bmatrix}n\\n-1\end{bmatrix}=\binom n2\)；随机排列轮换个数期望 \(=H_n\)。

4.3 对偶总览与互逆基变换

	第二类	第一类
对象	集合划分（分堆）	轮换分解（排队）
递推系数	\(m\)（选哪个集合）	\(n-1\)（插哪个位置）
基变换	\(x^n=\sum\begin{Bmatrix}n\\m\end{Bmatrix}x^{\underline m}\)	\(x^{\overline n}=\sum\begin{bmatrix}n\\m\end{bmatrix}x^m\)
EGF 原子	\(e^x-1\)	\(\ln\frac{1}{1-x}\)
整行	一次卷积 \(O(n\log n)\)	分治 \(O(n\log^2 n)\)

两组三角矩阵（带符号后）互逆：

\[\sum_k (-1)^{n-k}\begin{bmatrix}n\\k\end{bmatrix}\begin{Bmatrix}k\\m\end{Bmatrix}=[n=m] \]

即"分堆 vs 排队"是同一组合事实的两面，基变换互逆 = 广义反演。

---

五、笔记组织建议

卡片	必记内容
标记法	\(\prod a_i\) = 见证数；下降幂推广；pointing \(xF'\)
拆贡献	\(\min/\max/\lvert x-y\rvert/\gcd\) 四格分解表；"min 交易、max 并难"
约束三姿势	C1 差分式；C2 递推 + exp/log；C3 第一违例递推；判据"有序见证 vs 无序容斥"
四件套	容斥公式、二项式反演对、Min-Max（含期望版）、反射/LGV 选择判据
Möbius	\(\mu\) 线性筛 + Dirichlet 前缀和代码 + 三偏序统一表
第二类 Stirling	通项（单值/整行 NTT）、幂展开、下降幂桥梁
第一类 Stirling	上升幂、EGF、整行分治、特值 \(H_n\)

---

附录：练习题集（按知识点分组，附一句话提示）

A. 拆贡献 / 交换求和序（对应 1.2）

题目	提示
洛谷 P1966 [NOIP2013] 火柴排队 ★★	展开 \(\sum(a_i-b_i)^2\)，排序不等式定序；答案化为逆序对数——"对每对 \((i,j)\) 算贡献"的交换求和序。
自拟热身：给定数组，求所有无序对 \(\lvert x-y\rvert\) 之和 ★	排序后拆成 \(\sum_i(\#\le i)(\#>i)\)，即 1.2 的间隙分解。

B. 经典容斥（对应 2.1）

题目	提示
洛谷 P1450 [HAOI2008] 硬币购物 ★★★	完全背包预处理无限制方案；对 \(2^4\) 个"超限"子集容斥，强制 \(x_i\ge d_i+1\) 后做变量替换。
基础自证：推导错排数 \(D_n=n!\sum\frac{(-1)^i}{i!}\) ★	坏事件 \(A_i\) = 第 \(i\) 位不动，直接套容斥。

C. 二项式反演 / 下降幂 / 第二类 Stirling（对应 2.2、4.1）

题目	提示
CF1278F Cards ★★★★	求 \(E[x^k]\)：无脑转下降幂 \(x^k=\sum\begin{Bmatrix}k\\j\end{Bmatrix}x^{\underline j}\)，\(E[x^{\underline j}]\) 有直接组合解释（选 \(j\) 个见证位置）。
洛谷 P5395 第二类斯特林数·行 ★★★★	通项拆卷积 \(f(i)=\frac{(-1)^i}{i!}\)，\(g(j)=\frac{j^n}{j!}\)，一次 NTT。

D. Min-Max 容斥（对应 2.3）

题目	提示
洛谷 P3175 [HAOI2015] 按位或 ★★★★★	\(E[\max S]=\sum_T(-1)^{\lvert T\rvert-1}E[\min T]\)；\(E[\min T]\) 是几何分布，子集概率用高维前缀和/FWT 求。
HDU 4624 Endless Spin（ICPC 2013 南京）★★★★★	同上期望版；\(E[\min T]\) 只依赖 \(T\) 的并集概率，配合"按并集 DP"消去重复子集。

E. 反射原理 / LGV（对应 2.4）

题目	提示
洛谷 P6657 【模板】LGV 引理 ★★★	矩阵元 \(e(a_i,b_j)=\binom{\cdot}{\cdot}\)，高斯消元求行列式。
洛谷 P7736 [NOI2021] 路径交点 ★★★★★	分层使用 LGV：每层一个行列式，答案 = 各层行列式之积（\(\det(AB)=\det A\det B\) 的组合解释）。

F. Möbius 反演（对应 3.1）

题目	提示
洛谷 P3455 [POI2007] ZAP-Queries ★★	最基础：\([\gcd=1]=\sum_{d\mid\gcd}\mu(d)\) + 数论分块。
洛谷 P2522 [HAOI2011] Problem b ★★★	区间限制用二维前缀容斥拆成四个前缀问题；莫反 + 分块 + \(\mu\) 前缀和。
洛谷 P2257 YY的GCD ★★★★	枚举质数后交换求和序，预计算 \(g(T)=\sum_{p\mid T}\mu(T/p)\) 再分块。
洛谷 P3172 [CQOI2015] 选数 ★★★★	"gcd 恰好为 \(K\)"：先除 \(K\)，再对倍数容斥（链上/整除序反演），注意区间短的特殊结构。

G. 第一类 Stirling（对应 4.2）

题目	提示
洛谷 P5408 第一类斯特林数·行 ★★★★	\(x^{\overline n}=\prod_{i=0}^{n-1}(x+i)\)，分治 NTT（加强：倍增 + 平移 \(O(n\log n)\)）。
CF960G Bandit Blues ★★★★★	前缀/后缀最大值 ↔ 轮换结构：答案 \(\binom{a+b-2}{a-1}\begin{bmatrix}n-1\\a+b-2\end{bmatrix}\)；理解"每个轮换 = 一个固定开头的区间"是关键。

H. 生成函数 / 连通分解（对应 3.2、C2）

题目	提示
模板自练：有标号连通图计数 ★★★	\(G(x)=\sum 2^{\binom n2}\frac{x^n}{n!}\)，\(C(x)=\ln G(x)\)；练 \(\ln\) 板子与"规范块"思想。

建议刷题顺序：A → B → F（基础三题）→ C → G → D → E → 其余五星题。每道题先问自己：这题的"坏事件/约束"属于 C1/C2/C3 哪一种？有没有唯一见证可用？