目录
参考资料
百度百科
斯特林数 学习笔记-by zhouzhendong
前言
首先是因为这道题，才去研究了这个玩意：【2019雅礼集训】【第一类斯特林数】【NTT&多项式】permutation
感觉这个东西非常的...巧妙。
暴力
第一类斯特林树S(n,k)就是将n个数字划分为k个不相区分的圆排列的方案数（即忽略顺序）。
首先，第一类斯特林数有一个人尽皆知的\(O(n^2)\)递推式：
\[S(n,k)=S(n-1,k-1)+(n-1)*S(n-1,k)\]
理解起来也是比较容易的。就是考虑新来的一个元素，可以自成一个圆排列，也可以放在前面已经有的圆排列的空位置，而一共有n-1个空位。所以说上式成立。
nlog^2n的做法
这个还是比较好理解的。
类比于二项式定理的形式，其实也有一个关于第一类斯特林数的多项式的形式：
\[x(x+1)(x+2)(x+3)...(x+n-1)=\sum_{i=0}^{n}S(n,i)x^i---（1）\]
\[x(x-1)(x-2)(x-3)...x(x-n+1)=\sum_{i=0}^{n}(-1)^{n-i}S(n,i)x^i---（2）\]
其中上面（1）式的左半部分称作上升幂，（2）式的左半部分称作下降幂。
其实不知道推理也没关系，因为这和二项式定理一样，本身就是一个结论，规定
推导过程：
数学归纳法：
先令\(f(x,n)=x(x-1)(x-2)...(x-n+1)\)
\[=>f(x,n+1)=(x-n)f(x,n)\]
\[=>f(x,n+1)=\sum_{i=0}^{n}S(n,i)(1-)^{n-i}x^{i+1}-n\sum_{i=0}^{n}(-1)^{n-i}S(n,i)x^i\]
左边：令i=i-1；
右边：因为S(n,0)和S(n,n+1)都等于0，所以可以将S(n,0)替换为S(n,n+1):
\[=>f(x,n+1)=\sum_{i=1}^{n+1}S(n,i-1)(-1)^{n-i+1}x^i-\sum_{i=1}^{n+1}S(n,i-1)(-1)^{n-i}x^i\]
再合并：
\[=>f(x,n++1)=\sum_{i=1}^{n+1}(S(n,i-1)+n*S(n,i))(-1)^{n-i+1}x^i\]
\[=>f(x,n+1)=\sum_{i=1}^{n+1}S(n+1,i)(-1)^{n-i+1}x^i\]
对于上升幂来说，也是如此。
为了免去(-1)这个系数的影响，下面统一使用上升幂进行讨论。
观察上述式子，我们发现，好像可以直接暴力分治FFT：假设当前是计算\((x+L)(x+L+1)...(x+R)\)，然后我们考虑将L ~ mid和mid+1 ~ R分别计算后，再将两边的式子乘起来，继续往上递回溯就行了。复杂度是\(O(n\log ^2n)\)的。
nlogn的做法
然而我们还可以进一步进行优化。大致的思路是在之前的基础上，将左半部分，也就是L ~ mid的部分算出来之后，直接使用卷积计算出右半部分(mid+1 ~ R)回溯回来之后的多项式，然后将两个式子相乘之后直接回溯。如果能够实现的话，时间复杂度就降到了\(O(nlogn)\)（虽然常数很大）。
假设当前的最高项的次数为2n(先不管奇数的情况)。
现在我们具体来考虑如何通过将L ~ mid进行递归计算后返回的多项式(即\(\sum_{i=0}^{n-1}(x+i)\))的系数直接推出递归mid+1 ~ R得到的多项式(\(\sum_{i=n}^{2*n-1}(x+i)\))的系数：
左边的多项式是\(a_0+a_1x+a_2x^2+...+a_nx^n\)，即\(\sum_{i=0}^{n}a_ix^i\)。
那么就可以直接得到右边一半的式子是：\(\sum_{i=0}^{n}a_i(x+n)^i\)
然后就可以得到:
\[ \begin{align} \sum_{i=1}^{n}a_i(x+n)^i &=\sum_{i=1}^{n}a_i\sum_{j=0}^{i}C_{i}^{j}x^jn^{i-j} \tag{1}\\ &=\sum_{j=0}^{n}x^{j}\sum_{i=j}^{n}C_{i}^{j}n^{i-j}a_{i} \tag{2}\\ &=\sum_{i=0}^{n}x^{i}\sum_{j=i}^{n}C_{j}^{i}n^{j-i}a_{j} \tag{3}\\ &=\sum_{i=0}^{n}x^{i}\sum_{j=i}^{n}\frac{1}{i!}*(\frac{n^{j-i}}{(j-i)!})*(j!a_j) \tag{4} \end{align} \]
其中(1)到(2)就是简单的二项式定理暴力展开。(2)到(3)则是交换了i和j... (3)到(4)是把\(x^i\)单独提出来了。(3)到(4)则是将inv[j!]单独提出来，并将j-i和j两个参量分开，形成了一个标准的减法卷积的形式。可以在最后的时候每一项单独乘上inv[j!]就可以了。
减法卷积怎么搞呢？
当然是选择将其中的一个多项式进行反转，最后再反转/平移回来啦(巨恶心)！然后我的做法是令\(p_i=\frac{n^{i}}{i!}\),\(q_i=i!a_{i}\)，然后构造多项式\(f_1(x)=\sum_{i=0}^{n}p_ix^i\)和多项式\(f_2(x)=\sum_{i=0}^{n}q_ix^i\)，然后我们将第一一个多项式进行翻转，然后将两个多项式卷积起来，并设最终式(其中p,q,k的定义都是翻转前的定义)为：\(\sum_{i=0}^{n}k_ix^i\)就有：
\[ \begin{align} k_{i-j}&=\sum_{i,j} p_{j}q_i\\ k_{i+j}&=\sum_{i,j} p_{-j}q_i\\ k_{i+j-n}&=\sum_{i,j} p_{n-j}q_i\\ k'_{i+j}&=\sum_{i,j} p'_{j}q_i\\ \end{align} \]
这样子我们就强行将这个式子转化为了一个加法卷积式。注意最后只需要将求出来左移n格就是答案了。但是感觉将翻转后的多项式进行卷积后，答案竟然需要平移回来，有点怪？？？
据说，将\(f_2(x)\)进行翻转的话，最后就是将卷积得到的数组再翻转回来了，有兴趣的读者可以自行尝试。
对了刚刚还没提次数为奇数的情况怎么处理。假设最高项为2n+1，那么你可以先将其看做是2n次的多项式，按照套路计算完后，再将最后一项(x+2n)暴力O(n)乘上去就可以了。
写起来总体思路并不是那么恶心，只是细节较多（写着写着就卡住了）
代码
int PowMod(int x,int y)
{
int ret=1;
while(y)
{
if(y&1)
ret=1LL*ret*x%MO;
x=1LL*x*x%MO;
y>>=1;
}
return ret;
}
void Prepare()
{
fact[0]=1;
for(int i=1;i<=MAXN;i++)
fact[i]=1LL*fact[i-1]*i%MO;
inv[MAXN]=PowMod(fact[MAXN],MO-2);//求阶乘的逆元
for(int i=MAXN-1;i>=0;i--)
inv[i]=1LL*inv[i+1]*(1LL*i+1LL)%MO;
}
void Reverse(int A[],int deg)
{
for(int i=0;i<deg/2;i++)
swap(A[i],A[deg-i-1]);
}
void NTT(int P[],int len,int oper)
{
for(int i=1,j=0;i<len-1;i++)
{
for(int s=len;j^=s>>=1,~j&s;);
if(i<j) swap(P[i],P[j]);
}
int unit,unit_p0;
for(int d=0;(1<<d)<len;d++)
{
int m=(1<<d),m2=m*2;
unit_p0=PowMod(G,(MO-1)/m2);
if(oper==-1)
unit_p0=PowMod(unit_p0,MO-2);
for(int i=0;i<len;i+=m2)
{
unit=1;
for(int j=0;j<m;j++)
{
int &P1=P[i+j+m],&P2=P[i+j];
int t=1LL*unit*P1%MO;
P1=((1LL*P2-1LL*t)%MO+MO)%MO;
P2=(1LL*P2+1LL*t)%MO;
unit=1LL*unit*unit_p0%MO;
}
}
}
if(oper==-1)
{
int inv=PowMod(len,MO-2);
for(int i=0;i<len;i++)
P[i]=1LL*P[i]*inv%MO;
}
}
void Mul(int ret[],int _x[],int l1,int _y[],int l2)//多项式乘法
{
static int RET[MAXN+5],X[MAXN+5],Y[MAXN+5];
int len=1;
while(len<l1+l2) len<<=1;
copy(_x,_x+l1,X);copy(_y,_y+l2,Y);
fill(X+l1,X+len,0);fill(Y+l2,Y+len,0);
NTT(X,len,1);NTT(Y,len,1);
for(int i=0;i<len;i++)
RET[i]=1LL*X[i]*Y[i]%MO;
NTT(RET,len,-1);
copy(RET,RET+l1+l2,ret);
}
void Get(int deg,int A[],int B[])
{
static int tmpA[MAXN+5],tmpB[MAXN+5];
int len=deg/2;
for(int i=0;i<len+1;i++)
tmpA[i]=1LL*PowMod(len,i)*inv[i]%MO;//先预处理f1(x)
fill(tmpA+len+1,tmpA+deg+1,0);
for(int i=0;i<len+1;i++)
tmpB[i]=1LL*fact[i]*A[i]%MO;//再预处理f2(x)
fill(tmpB+len+1,tmpB+deg+1,0);
Reverse(tmpA,len+1);//将f1进行翻转
Mul(tmpA,tmpA,len+1,tmpB,len+1);//相乘
for(int i=0;i<=len;i++)
tmpA[i]=1LL*tmpA[i+len]*inv[i]%MO;//最后将结果移位回来，同时乘上inv[j!]
copy(tmpA,tmpA+len+1,B);
}
void Solve(int deg,int B[])//快速求解第一类斯特林数
{//deg为最高次数项的次数（和以前的代码风格不一样，不舒服）
static int tmpB[MAXN+5];
if(deg==1)
{
B[1]=1;//终止状态为x
return;
}
Solve(deg/2,B);//先递归求左半部分
int hf=deg/2;
copy(B,B+hf+1,tmpB);//注意+1
fill(tmpB+hf+1,tmpB+deg+1,0);
Get(deg-deg%2,tmpB,tmpB+hf+1);//通过左边的返回多项式直接求右边的返回多项式
Mul(B,tmpB,hf+1,tmpB+hf+1,hf+1);//将左右两边相乘
if(deg%2==1)//奇数的情况特殊处理
for(int i=deg;i>=1;i--)
B[i]=(1LL*B[i]*(1LL*deg-1LL)%MO+1LL*B[i-1])%MO;//可以列个式子看一下
}