第一种思路是，每一个骰子的点数从最小到最大，如果为1-6，那么全部的骰子从最小1開始，我们如果一种从左向右的排列，右边的最低，索引从最低開始，推断和的情况。

def setTo1(dices, start, end):	for i in range(start, end):		dices[i] = 1def probability(n, s, dmax = 6, dmin = 1):	if s < n * dmin or s > n * dmax : return 0	dices = [1] * n	i = n - 1	total = 0	while i >= 0:		curSum = sum(dices)		if curSum == s:						print dices			total += 1			# find first one that can +1				for j in range(i, -1, -1):				if dices[j] < dmax and s - sum(dices[0:j+1]) >= n - j*dmin:					dices[j] += 1					setTo1(dices, j + 1, n)					i = n - 1					break				else:					i -= 1		elif curSum < s:			if dices[i] < dmax:				dices[i] += 1				i = n - 1			else:				i -= 1	print "total = {0}, prob = {1}%".format(total, total*100/dmax**n)		return total

若当前和小于s，则检验当前索引处的骰子是否能添加�1，若能，则添加�，否则查看其前面的是否能添加�。若相等，那么我们统计信息后，要变化当前的情形，以便处理下一种情况，由于 索引是从低位開始到当前位的，所以我们从当前索引開始，向前找能继续添加�的骰子，这里的推断标准是当前骰子的点数小于最小值，并且要保证其后的骰子的最小值为1，比方 1,4,1, s = 6， 当前索引指向4， 这里的4尽管小于最大点数6， 但若其再加一，第三个骰子就的为0，这不符合要求。若找到能够加一的骰子，那就将该骰子点数加1， 将其后的骰子都置为1，索引回到最后，開始又一次加起。如：1,1,6，s = 8， 索引指向6， 改动后为1,2,1，索引指向最后的1,。若没有找到能够再添加�的骰子，那么就结束。如6,1,1，s = 8。

事实上若给定的n不大的话，我们能够设一个n位整数，从n个1開始，逐次加一，来推断各个位的和是否满足要求，直到达到最大值，n个6。

这个问题事实上动态规划的特点非常明显。

'''	@ state function: dp[i, j]: the total cases of sum = j, composed by i dices	@ state tranfor function: dp[i, j] = sum(dp[i - 1, j - k]) for k in [dmin, dmax] 	@ dp[i, j] = 0, j > i * dmax or j < i * dmin	@ init condition: dp[1, k] = 1, for k in [dmin, dmax], dp[1, k] = 0, for other k'''		def dp_probability(n, s, dmax = 6, dmin = 1):	if s < n * dmin or s > n * dmax : 		return 0	dp1 = [0] * (n * dmax + 1)		#init dp[1, :]	for i in range(1, dmax + 1):		dp1[i] = 1	# i: the number of dices	for i in range(2, n + 1):		dp2 = [0] * (n * dmax + 1)		# j: range of i dices		for j in range(dmin * i, dmax * i + 1):			# k: range of new added dice 			for k in range(dmin, dmax + 1):				if j > k :					dp2[j] += dp1[j - k]		print dp2		dp1 = dp2	print "total = {0}, prob = {1}%".format(dp2[s], dp2[s]*100/dmax**n)	return dp2[s]