牛肉包子3块一个，猪肉包子2块一个，咸菜包子1块一个。给定一个大于等于6且小于等于100的整数，计算用这些钱能买多少种不同的包子组合，每种组合至少买一个包子。编程

这个问题可以使用动态规划的方法来解决。首先，我们需要创建一个二维数组，其中每个元素表示用给定的钱数能够购买的包子组合数量。数组的行代表剩余的钱，列代表剩余的包子种类。

我们可以初始化一个大数组dp，其大小为(n+1) x (m+1)，其中n是包子类型的数目（这里是3），m是钱的最大值加一（这里是最小6）。然后，从最小的钱和最少的包子开始，逐个增加钱数和包子类型，更新dp矩阵：

- dp[i][j] = dp[i][j - 1] + dp[i - 1][j - c[k]]，其中k代表当前考虑的包子类型（牛肉、猪肉或咸菜），c[k]是对应包子的价格。这个公式的意思是如果钱足够并且还有包子剩余，可以选择不买第k种包子，或者花掉c[k]的钱买一个这种包子。

最后，dp[m][n]就是所有组合的数量。需要注意边界条件和数组下标，确保不会越界。

下面是一个简单的Python代码示例：

def count_combinations(price, num_types):
    dp = [[0] * (num_types + 1) for _ in range(price + 1)]
    
    # 初始化基本状态，只有一元或一种包子的情况
    for i in range(1, price + 1):
        dp[i][0] = dp[0][i % num_types] = 1

    # 动态规划遍历过程
    for money in range(1, price + 1):
        for type_num in range(1, num_types + 1):
            if money >= price[type_num - 1]:  # 钱足够买包子
                dp[money][type_num] = dp[money][type_num - 1] + dp[money - price[type_num - 1]][type_num - 1]
                
    return dp[price][num_types]

# 示例输入
prices = [3, 2, 1]  # 牛肉、猪肉、咸菜包子价格
money = 7  # 给定的钱
num_types = len(prices)

count = count_combinations(prices, num_types)
print(f"可以购买 {count} 种不同的包子组合。")