NOIP2013 神经网络（拓扑）

【问题描述】
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。

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 i）
图中，X1∼X3是信息输入渠道，Y1∼Y2 是信息输出渠道，Ci 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，神经网络中的神经元分为几层；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：

公式中的 WjiWji（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 00 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。

【输入格式】

输入文件第一行是两个整数 n（1≤n≤200）和 p。接下来 n 行，每行两个整数，第 i+1行是神经元 ii 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。仅输出最后状态非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。

时间限制：1s1s
空间限制：10MB

（题面看上去真的很烦啊！)
单向无环，显然易见的拓扑。而且贴心地分层了。据说Uj没用，但是敲的时候还是最暴力地模拟了。

但是坑很多。

边权可以为零甚至为负。（可以为0真的好坑啊啊啊啊啊啊啊啊啊）
最后仅输出活着的输出层的点及其状态。
如果全都死了输出NULL。

#include<bits/stdc++.h>
using namespace std;
const int maxm=110;
int n,p;
int a[maxm][maxm];//n很小，邻接矩阵即可。
int u[maxm],c[maxm]={};
int duin[maxm]={},duout[maxm]={};//出度判输出层，入度做拓扑。
int q[maxm];
int head=0,tail=0;

void Topsort()
{
    while(head++<tail)
      for(int i=1;i<=n;++i)
        if(a[q[head]][i]!=168430090&&duin[i]){
            duin[i]--;
            c[i]+=a[q[head]][i]*c[q[head]];//传递
            if(!duin[i]&&c[i]-u[i]>0){//活的入队
                c[i]-=u[i];q[++tail]=i;
            }
        }   
    return;
}

int main()
{
    scanf("%d%d",&n,&p);
    memset(a,10,sizeof(a));
    int x,y,v;
    for(int i=1;i<=n;++i)
    {
        scanf("%d%d",&x,&u[i]);
        if(x) q[++tail]=i,c[i]=x;//仅输入层可能初始激活，故可直接入队。
    }
    for(int i=1;i<=p;++i)
    {
        scanf("%d%d%d",&x,&y,&v);
        a[x][y]=v;
        duin[y]++;duout[x]++;
    }
    Topsort();
    int flag=0;
    for(int i=1;i<=n;++i)
        if(!duout[i]&&c[i]>0) flag=1,printf("%d %d\n",i,c[i]);
    if(!flag) printf("NULL");
    return 0;
}

---

20180708重做：死于输入层状态并不需要减去阈值。因为这次敲是先统统进队，轮到这个结点扩展的时候才减去阈值判断是否兴奋。所以要注意第一波预先加阈值。