洛谷 P1038 [NOIP2003 T1] 神经网络

题目背景

人工神经网络（Artificial Neural Network）是一种新兴的具有自我学习能力的计算系统，在模式识别、函数逼近及贷款风险评估等诸多领域有广泛的应用。对神经网络的研究一直是当今的热门方向，兰兰同学在自学了一本神经网络的入门书籍后，提出了一个简化模型，他希望你能帮助他用程序检验这个神经网络模型的实用性。

题目描述

在兰兰的模型中，神经网络就是一张有向图，图中的节点称为神经元，而且两个神经元之间至多有一条边相连，下图是一个神经元的例子：

神经元〔编号为1）

图中，X1―X3是信息输入渠道，Y1－Y2是信息输出渠道，C1表示神经元目前的状态，Ui是阈值，可视为神经元的一个内在参数。

神经元按一定的顺序排列，构成整个神经网络。在兰兰的模型之中，神经网络中的神经无分为几层；称为输入层、输出层，和若干个中间层。每层神经元只向下一层的神经元输出信息，只从上一层神经元接受信息。下图是一个简单的三层神经网络的例子。

兰兰规定，Ci服从公式：（其中n是网络中所有神经元的数目）

公式中的Wji（可能为负值）表示连接j号神经元和 i号神经元的边的权值。当 Ci大于0时，该神经元处于兴奋状态，否则就处于平静状态。当神经元处于兴奋状态时，下一秒它会向其他神经元传送信号，信号的强度为Ci。

如此．在输入层神经元被激发之后，整个网络系统就在信息传输的推动下进行运作。现在，给定一个神经网络，及当前输入层神经元的状态（Ci），要求你的程序运算出最后网络输出层的状态。

输入输出格式

输入格式：

输入文件第一行是两个整数n（1≤n≤100）和p。接下来n行，每行两个整数，第i＋1行是神经元i最初状态和其阈值（Ui），非输入层的神经元开始时状态必然为0。再下面P行，每行由两个整数i，j及一个整数Wij，表示连接神经元i、j的边权值为Wij。

输出格式：

输出文件包含若干行，每行有两个整数，分别对应一个神经元的编号，及其最后的状态，两个整数间以空格分隔。仅输出最后状态大于零的输出层神经元状态，并且按照编号由小到大顺序输出！

若输出层的神经元最后状态均为 0，则输出 NULL。

输入输出样例

输入样例#1：

5 6
1 0
1 0
0 1
0 1
0 1
1 3 1
1 4 1
1 5 1
2 3 1
2 4 1
2 5 1

输出样例#1：

3 1
4 1
5 1

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

dfs（模拟？）~

直接按题目中的步骤模拟，类似于期望DP~但是这道题条件要注意，一不小心就少了……

#include<cstdio>

int n,p,fi[101],w[10001],v[10001],ne[10001],cnt,a[101],c[101],u[101];
int du[101],du1[101],x,y,val,kkksc,ru[101],now[101];

void add(int u,int vv,int val1)
{
	w[++cnt]=vv;v[cnt]=val1;ne[cnt]=fi[u];fi[u]=cnt;
}

void findd(int uu)
{
	if(!c[uu]) c[uu]=ru[uu]-u[uu];
	for(int i=fi[uu];i;i=ne[i])
	{
		if(c[uu]>0) ru[w[i]]+=c[uu]*v[i];now[w[i]]++;
		if(now[w[i]]==du1[w[i]]) findd(w[i]);
	}
}

int main()
{
	scanf("%d%d",&n,&p);
	for(int i=1;i<=n;i++)
	{
		scanf("%d%d",&c[i],&u[i]);
		if(c[i]) a[++a[0]]=i;
	}
	for(int i=1;i<=p;i++)
	{
		scanf("%d%d%d",&x,&y,&val);
		add(x,y,val);du[x]++;du1[y]++;
	}
	for(int i=1;i<=a[0];i++) findd(a[i]);
	for(int i=1;i<=n;i++)
	  if(!du[i] && c[i]>0)
	  {
	  	printf("%d %d\n",i,c[i]);kkksc++;
	  }
	if(!kkksc) printf("NULL\n");
	return 0;
}