组合数计算：从基础到竞赛级优化技巧

1. 题目背景与核心考察点

1656题"Combination"是《信息学奥赛一本通》中组合数学章节的经典题目，主要考察选手对组合数计算及其优化算法的掌握程度。题目通常会给出两个整数n和k，要求计算C(n,k)的值，也就是从n个不同元素中取出k个元素的组合数。

在实际竞赛中，这类题目往往不会简单到让你直接套公式，而是会设置各种限制条件，比如：

• 非常大的n和k值（比如n≤1e18）
• 需要对结果取模（常见模数1e9+7）
• 需要处理多组查询（比如1e6次查询）

2. 组合数计算的数学基础

组合数C(n,k)的数学定义为：
C(n,k) = n! / (k! * (n-k)!)
其中"!"表示阶乘运算。

这个定义式虽然直观，但在实际计算中存在几个明显问题：

1. 阶乘增长速度极快，20!就已经超过64位整数范围
2. 直接计算会有大量重复运算
3. 除法运算在模数环境下需要特殊处理

因此我们需要更高效的算法来计算组合数。

3. 常规解法与优化思路

3.1 递归解法（不推荐）

最直观的解法是利用组合数的递归性质：
C(n,k) = C(n-1,k-1) + C(n-1,k)

python复制def comb(n, k):
    if k == 0 or k == n:
        return 1
    return comb(n-1, k-1) + comb(n-1, k)

注意：这种方法时间复杂度是O(2^n)，完全无法处理稍大的n值，仅适合教学理解。

3.2 动态规划解法

我们可以用动态规划来优化递归解法，避免重复计算：

python复制def comb(n, k):
    dp = [[0]*(k+1) for _ in range(n+1)]
    for i in range(n+1):
        for j in range(min(i,k)+1):
            if j == 0 or j == i:
                dp[i][j] = 1
            else:
                dp[i][j] = dp[i-1][j-1] + dp[i-1][j]
    return dp[n][k]