你好，我是黄申。

“田忌赛马”的故事我想你肯定听过吧？田忌是齐国有名的将领，他常常和齐王赛马，可是总是败下阵来，心中非常不悦。孙膑想帮田忌一把。他把这些马分为上、中、下三等。他让田忌用自己的下等马来应战齐王的上等马，用上等马应战齐王的中等马，用中等马应战齐王的下等马。三场比赛结束后，田忌只输了第一场，赢了后面两场，最终赢得与齐王的整场比赛。

孙膑每次都从田忌的马匹中挑选出一匹，一共进行三次，排列出战的顺序。是不是感觉这个过程很熟悉？这其实就是数学中的排列过程。

我们初高中的时候，都学过排列，它的概念是这么说的：从n个不同的元素中取出m（1≤m≤n）个不同的元素，按照一定的顺序排成一列，这个过程就叫排列（Permutation）。当m=n这种特殊情况出现的时候，比如说，在田忌赛马的故事中，田忌的三匹马必须全部出战，这就是全排列（All Permutation）。

如果选择出的这m个元素可以有重复的，这样的排列就是为重复排列（Permutation with Repetition），否则就是不重复排列（Permutation without Repetition）。

看出来没有？这其实是一个树状结构。从树的根结点到叶子结点，每种路径都是一种排列。有多少个叶子结点就有多少种全排列。从图中我们可以看出，最终叶子结点的数量是3x2x1=6，所以最终排列的数量为6。

{上等，中等，下等}
{上等，下等，中等}
{中等，上等，下等}
{中等，下等，上等}
{下等，上等，中等}
{下等，中等，上等}

我用t1，t2和t3分别表示田忌的上、中、下等马跑完全程所需的时间，用q1，q2和q3分别表示齐王的上、中、下等马跑全程所需的时间，因此，q1

如果你将这些可能的排列，仔细地和齐王的上等、中等和下等马进行对比，只有{下等，上等，中等}这一种可能战胜齐王，也就是t3>q1，t1

对于最终排列的数量，这里我再推广一下：

• 对于n个元素的全排列，所有可能的排列数量就是nx(n-1)x(n-2)x…x2x1，也就是n!；

• 对于n个元素里取出m(0≤n)个元素的不重复排列数量是nx(n-1)x(n-2)x…x(n - m + 1)，也就是n!/(n-m)!。

这两点都是可以用数学归纳法证明的，有兴趣的话你可以自己尝试一下。

如何让计算机为田忌安排赛马？

我们刚才讨论了3匹马的情况，这倒还好。可是，如果有30匹马、300匹马，怎么办？30的阶乘已经是天文数字了。更糟糕的是，如果两组马之间的速度关系也是非常随机的，例如q1

如果你细心的话，就会发现在新版舍罕王赏麦的案例中，其实已经涉及了排列的思想，不过那个案例不是以“选取多少个元素”为终止条件，而是以“选取元素的总和”为终止条件。尽管这样，我们仍然可以使用递归的方式来快速地实现排列。

不过，要把田忌赛马的案例，转成计算机所能理解的内容，还需要额外下点功夫。

首先，在不同的选马阶段，我们都要保存已经有几匹马出战、它们的排列顺序、以及还剩几匹马没有选择。我使用变量result来存储到当前函数操作之前，已经出战的马匹及其排列顺序。而变量horses存储了到当前函数操作之前，还剩几匹马还没出战。变量new_result和rest_horses是分别从result和horses克隆而来，保证不会影响上一次的结果。

其次，孙膑的方法之所以奏效，是因为他看到每一等马中，田忌的马只比齐王的差一点点。如果相差太多，可能就会有不同的胜负结局。所以，在设置马匹跑完全程的时间上，我特意设置为q1

import java.util.ArrayList;
import java.util.Arrays; 
import java.util.HashMap;

public class Lesson7_1 {
	
	// 设置齐王的马跑完所需时间
	public static HashMap<String, Double> q_horses_time = new HashMap<String, Double>(){
		{
		 	  put("q1", 1.0);
		 	  put("q2", 2.0);
		    put("q3", 3.0);
		}
	};
	
	// 设置田忌的马跑完所需时间
	public static HashMap<String, Double> t_horses_time = new HashMap<String, Double>(){
		{
		 	  put("t1", 1.5);
		 	  put("t2", 2.5);
		    put("t3", 3.5);
		}
	};
	
	public	static ArrayList<String> q_horses = new ArrayList<String>(Arrays.asList("q1", "q2", "q3"));
	
	/**
    * @Description:	使用函数的递归（嵌套）调用，找出所有可能的马匹出战顺序
    * @param horses-目前还剩多少马没有出战，result-保存当前已经出战的马匹及顺序
    * @return void
    */
	
    public static void permutate(ArrayList<String> horses, ArrayList<String> result) {
    	
    	// 所有马匹都已经出战，判断哪方获胜，输出结果
    	if (horses.size() == 0) {
    		System.out.println(result);
    		compare(result, q_horses);
    		
    		System.out.println();
    		
 	 			return;
   		}
    	
   		for (int i = 0; i < horses.size(); i++) {
    		// 从剩下的未出战马匹中，选择一匹，加入结果
 	 			ArrayList<String> new_result = (ArrayList<String>)(result.clone());
   			new_result.add(horses.get(i));
  	 		
    		// 将已选择的马匹从未出战的列表中移出
 	 			ArrayList<String> rest_horses = ((ArrayList<String>)horses.clone());
 	 			rest_horses.remove(i);
    		
    		// 递归调用，对于剩余的马匹继续生成排列
   			permutate(rest_horses, new_result);
   		}
    	
    }


}
 

另外，我还使用了compare的函数来比较田忌和齐王的马匹，看哪方获胜。

    public static void compare(ArrayList<String> t, ArrayList<String> q) {
    	int t_won_cnt = 0;
    	for (int i = 0; i < t.size(); i++) {
			System.out.println(t_horses_time.get(t.get(i)) + " " +  q_horses_time.get(q.get(i)));
			if (t_horses_time.get(t.get(i)) < q_horses_time.get(q.get(i))) t_won_cnt ++;
		}
		
		if (t_won_cnt > (t.size() / 2)) System.out.println("田忌获胜！");
		else System.out.println("齐王获胜！");
		
		System.out.println();
    }
 

下面是测试代码。当然你可以设置更多的马匹，并增加相应的马匹跑完全程的时间。

  public static void main(String[] args) {
		
		ArrayList<String> horses = new	ArrayList<String>(Arrays.asList("t1", "t2", "t3"));
		Lesson7_1.permutate(horses,	new ArrayList<String>());
		
	}

在最终的输出结果中，6种排列中只有一种情况是田忌获胜的。

[t3, t1, t2]
3.5 1.0
1.5 2.0
2.5 3.0
田忌获胜！

如果田忌不听从孙膑的建议，而是随机的安排马匹出战，那么他只有1/6的获胜概率。

说到这里，我突然产生了一个想法，如果齐王也是随机安排他的马匹出战顺序，又会是怎样的结果？如果动手来实现的话，大体思路是我们为田忌和齐王两方都生成他们马匹的全排序，然后再做交叉对比，看哪方获胜。这个交叉对比的过程也是个排列的问题，田忌这边有6种顺序，而齐王也是6种顺序，所以一共的可能性是6x6=36种。

我用代码模拟了一下，你可以看看。

public static void main(String[] args) {
		
		ArrayList<String> t_horses = new ArrayList<String>(Arrays.asList("t1", "t2", "t3"));
		Lesson7_2.permutate(t_horses, new ArrayList<String>(), t_results);
		
		ArrayList<String> q_horses = new ArrayList<String>(Arrays.asList("q1", "q2", "q3"));
		Lesson7_2.permutate(q_horses, new ArrayList<String>(), q_results);
		
		System.out.println(t_results);
		System.out.println(q_results);
		System.out.println();
		
		for (int i = 0; i < t_results.size(); i++) {
			for (int j = 0; j < q_results.size(); j++) {
				Lesson7_2.compare(t_results.get(i), q_results.get(j));
			}
		}
		
	}
 

由于交叉对比时只需要选择2个元素，分别是田忌的出战顺序和齐王的出战顺序，所以这里使用2层循环的嵌套来实现。从最后的结果可以看出，田忌获胜的概率仍然是1/6。

暴力破解密码如何使用排列思想？

聊了这么多，相信你对排列有了更多了解。在概率中，排列有很大的作用，因为排列会帮助我们列举出随机变量取值的所有可能性，用于生成这个变量的概率分布，之后在概率统计篇我还会具体介绍。此外，排列在计算机领域中有着很多应用场景。我这里讲讲最常见的密码的暴力破解。

我们先来看去年网络安全界的两件大事。第一件发生在2017年5月，新型“蠕虫”式勒索病毒WannaCry爆发。当时这个病毒蔓延得非常迅速，电脑被感染后，其中的文件会被加密锁住，黑客以此会向用户勒索比特币。第二件和美国的信用评级公司Equifax有关。仅在2017年内，这个公司就被黑客盗取了大约1.46亿用户的数据。

看样子，黑客攻击的方式多种多样，手段也高明了很多，但是窃取系统密码仍然是最常用的攻击方式。有时候，黑客们并不需要真的拿到你的密码，而是通过“猜”，也就是列举各种可能的密码，然后逐个地去尝试密码的正确性。如果某个尝试的密码正好和原先管理员设置的一样，那么系统就被破解了。这就是我们常说的暴力破解法。

我们可以假设一个密码是由英文字母组成的，那么每位密码有52种选择，也就是大小写字母加在一起的数量。那么，生成m位密码的可能性就是52^m种。也就是说，从n（这里n为52）个元素取出m（0≤n）个元素的可重复全排列，总数量为n^m。如果你遍历并尝试所有的可能性，就能破解密码了。

不过，即使存在这种暴力法，你也不用担心自己的密码很容易被人破解。我们平时需要使用密码登录的网站或者移动端App程序，基本上都限定了一定时间内尝试密码的次数，例如1天之内只能尝试5次等等。这些次数一定远远小于密码排列的可能性。

这也是为什么有些网站或App需要你一定使用多种类型的字符来创建密码，比如字母加数字加特殊符号。因为类型越多，n^m中的n越大，可能性就越多。如果使用英文字母的4位密码，就有52^4=7311616种，超过了700万种。如果我们在密码中再加入0～9这10个阿拉伯数字，那么可能性就是62^4=14776336种，超过了1400万。

同理，我们也可以增加密码长度，也就是用n^m中的m来实现这一点。如果在英文和阿拉伯数字的基础上，我们把密码的长度增加到6位，那么就是62^6=56800235584种，已经超过了568亿了！这还没有考虑键盘上的各种特殊符号。有人估算了一下，如果用上全部256个ASCII码字符，设置长度为8的密码，那么一般的黑客需要10年左右的时间才能暴力破解这种密码。

小结

排列可以帮助我们生成很多可能性。由于这种特性，排列最多的用途就是穷举法，也就是，列出所有可能的情况，一个一个验证，然后看每种情况是否符合条件的解。

古代的孙膑利用排列的思想，穷举了田忌马匹的各种出战顺序，然后获得了战胜齐王的策略。现代的黑客，通过排列的方法，穷举了各种可能的密码，试图破坏系统的安全性。如果你所面临的问题，它的答案也是各种元素所组成的排列，那么你就可以考虑，有没有可能排列出所有的可能性，然后通过穷举的方式来获得最终的解。

思考题

假设有一个4位字母密码，每位密码是a～e之间的小写字母。你能否编写一段代码，来暴力破解该密码？（提示：根据可重复排列的规律，生成所有可能的4位密码。）

欢迎在留言区交作业，并写下你今天的学习笔记。你可以点击“请朋友读”，把今天的内容分享给你的好友，和他一起精进。