1. 问题理解与建模思路
垒骰子问题看似简单，实则蕴含了动态规划和矩阵快速幂的精妙应用。我们先从骰子的基本特性入手：标准骰子中1对4、2对5、3对6互为对面。当我们将n个骰子垂直垒起来时，每个骰子的底面必须与下方骰子的顶面数字相容（即不在排斥列表中）。
关键观察点在于：骰子的每个面朝下时，下一个骰子的底面选择只与当前骰子的顶面数字有关。这构成了一个状态转移关系，可以用6×6的转移矩阵T表示，其中T[i][j]=1表示当底层骰子顶面为i时，上层骰子底面可以为j（不考虑旋转情况）。
2. 转移矩阵构建细节
2.1 基础转移矩阵
初始状态下，任何两个数字的面都可以相邻，因此转移矩阵全1：
code复制T = [
[1,1,1,1,1,1],
[1,1,1,1,1,1],
[1,1,1,1,1,1],
[1,1,1,1,1,1],
[1,1,1,1,1,1],
[1,1,1,1,1,1]
]
2.2 处理排斥关系
对于每组排斥对(a,b)，我们需要禁止两种情况：
- 下层顶面为a时上层不能以b的对面为底面
- 下层顶面为b时上层不能以a的对面为底面
例如排斥对(1,2)：
- a=1的对面是4 → 禁止T[1][2的对面]=T[1][5]=0
- b=2的对面是5 → 禁止T[2][1的对面]=T[2][4]=0
3. 矩阵快速幂优化
3.1 为什么需要快速幂
直接动态规划的时间复杂度是O(n)，当n≤1e9时完全不可行。观察到状态转移是线性的且固定，可以用矩阵快速幂在O(log n)时间内计算n-1次转移。
3.2 快速幂实现要点
cpp复制mat qpow(mat x, LL y) {
mat ans;
// 初始化单位矩阵
for(int i=1;i<=N;i++) ans.a[i][i]=1;
while(y) {
if(y&1) ans = mul(ans,x);
x = mul(x,x);
y >>=1;
}
return ans;
}
其中mul函数实现矩阵乘法，注意每步都要取模防止溢出。
4. 旋转因素处理
每个骰子在确定底面后，可以通过旋转得到4种不同朝向。因此总方案数需要乘以4^n。由于n很大，4^n也需要用快速幂计算：
cpp复制LL power(LL x, LL y) {
LL ans=1;
while(y){
if(y&1) ans=(ans*x)%MOD;
x=(x*x)%MOD;
y>>=1;
}
return ans;
}
5. 完整计算流程
- 构建初始全1转移矩阵T
- 根据m组排斥关系修改T中的对应项
- 计算T^(n-1)得到n层骰子的转移方案数
- 对所有矩阵元素求和得到不考虑旋转的方案数
- 乘以4^n得到最终结果
- 每次运算都要对1e9+7取模
6. 关键实现细节
6.1 对面数字处理
使用数组预存储对面关系：
cpp复制int a[]={0,4,5,6,1,2,3}; // a[1]=4表示1对面是4
6.2 矩阵乘法优化
常规矩阵乘法是O(n^3)的，但由于本题固定6×6矩阵，可以展开循环或使用SIMD指令优化。不过对于算法题，标准的3层循环实现已经足够。
6.3 大数处理技巧
所有中间结果都要立即取模，特别是：
- 矩阵乘法中的累加
- 快速幂中的乘法
- 最终结果的组合
7. 复杂度分析
- 时间：O(m + 6^3 log n)
- 处理m组排斥关系O(m)
- 矩阵快速幂O(6^3 log n)
- 空间：O(1)固定大小的矩阵
8. 常见错误与调试
- 混淆对面关系：确保a和b的对面正确处理
- 矩阵乘法索引错误：建议从1开始计数更直观
- 模运算遗漏：所有运算步骤都要取模
- 初始条件错误：n=1时应直接输出24（6面×4旋转）
9. 算法扩展思考
这个问题可以延伸出多个变种：
- 骰子面数变化（如正二十面体）
- 多层排斥关系（如间隔两层不能相同）
- 三维堆叠情况
在实际工程中，类似的思路可以应用于：
- 密码锁组合计数
- 状态机转移概率计算
- 图形化密码模式分析
10. 实战优化建议
对于算法竞赛，可以预先编译以下优化：
- 矩阵乘法循环展开
- 快速幂的迭代实现
- 输入输出加速（如ios::sync_with_stdio(false)）
- 使用constexpr代替宏定义
对于n特别大的情况（如1e18），可以进一步优化：
- 使用更高效的矩阵乘法算法（如Strassen）
- 并行计算矩阵幂
- 寻找矩阵的周期性规律
我在实际解决这个问题时，最大的收获是理解如何将看似复杂的排列组合问题转化为矩阵运算。这种思维转换在解决许多计数问题时都非常有效。建议读者可以尝试用同样的思路解决"爬楼梯"、"瓷砖铺设"等经典问题，体会状态转移矩阵的妙用。