csp21-09-3脉冲神经网络66分版

拿到这道题就直接进行模拟了，然后果不其然超时了，目前没有想到有效的优化思路，尝试了优化，但还是66分，先留个66分版的在这。

//2109-3脉冲神经网络----66分版 
#include<bits/stdc++.h>
using namespace std;

static unsigned long ne = 1;

/* 伪随机函数 */
int myrand(void) {
    ne = ne * 1103515245 + 12345;
    return((unsigned)(ne/65536) % 32768);
}

double t;
int N, S, P, T;
vector<int> lo[2005]; // 编号---时间 
// 定义神经元结构
struct sjy {
	int id;
	double v, u; // T时刻的最大最小值 
	double a, b, c, d;
	double I=0;
	int count=0; // 最终求这个的最大值最小值 
	void cal_vu() {
		double v0 = v, u0 = u;
		v = v0 + t*(0.04*v0*v0+5*v0+140-u0) + I; // 强度要先更新
		u = u0 + t*a*(b*v0-u0); 
	}
	void update(int nowt) {
		if(v>=30) {
			v = c;
			u = u + d;
			count++;
			lo[id].push_back(nowt); // 发送脉冲给出突触 
		}
		I = 0; // k时刻之后需要将强度清零---注意前后关系，后续检查 
	}
}ss[1005]; 

// 定义脉冲源
struct mcy {
	int id;
	double r;
	void update(int nowt) {
		if(r>myrand()) {
//			cout << "脉冲时间：" << nowt <<endl;
			lo[id].push_back(nowt);
		}
	}
}mm[1005]; 

// 定义突触
struct tc {
	double w;
	int D;
	int s, t;
	void update(int nowt) {
		if(!lo[s].empty()) {
			for(auto it=lo[s].begin(); it!=lo[s].end(); it++) {
				if(nowt-*it==D){
					ss[t].I += w; // 向出结点神经元发送强度脉冲 
//					it = lo[s].erase(it); // 不能在单个突触內部删除！！ 
				}
			}
		}
	}
}tt[1005]; 

int main() {
	ios::sync_with_stdio(false);
	cin.tie(0); cout.tie(0);
	// 读取输入 
	cin >> N >> S >> P >> T >> t;
	int sum=0;
	while(sum<N) {
		int rn;
		double v, u, a, b, c, d;
		cin >> rn >> v >> u >> a >> b >> c >> d;
		for(int i=0; i<rn; i++) {
			ss[sum+i].id = sum+i, ss[sum+i].v = v, ss[sum+i].u = u, ss[sum+i].a = a, ss[sum+i].b = b, ss[sum+i].c = c, ss[sum+i].d = d;
		}
		sum += rn;
	}
	for(int i=0; i<P; i++) {
		cin >> mm[i].r;
		mm[i].id = N+i;
	}
//	cout << "||||"<< endl;
	for(int i=0; i<S; i++) {
		cin >> tt[i].s >> tt[i].t >> tt[i].w >> tt[i].D;
	}
//	cout << "||||"<< endl;
	for(int nowt=1; nowt<=T; nowt++) { // 程序主循环 
//		cout << nowt << "-----时刻：" <<endl; 
		// 更新脉冲源
		for(int x=0; x<P; x++) {
			mm[x].update(nowt);
		} 
		// 更新突触
		for(int x=0; x<S; x++) {
			tt[x].update(nowt);
		} 
		 
		// 更新神经元
		for(int x=0; x<N; x++) {
			ss[x].cal_vu();
			ss[x].update(nowt);
		} 
//		cout << ss[0].v << endl;
	}
	// 记录结果
	vector<double> vv;
	vector<int> cc;
	for(int i=0; i<N; i++) {
		vv.push_back(ss[i].v);
		cc.push_back(ss[i].count);
	} 
	sort(vv.begin(), vv.end()); sort(cc.begin(), cc.end()); // 默认升序 
	printf("%.3f %.3f\n", vv[0], vv[N-1]);
	printf("%d %d\n", cc[0], cc[N-1]);
//	cout << std::fixed << std::setprecision(3) << vv[0] << " "<<vv[N-1] << endl;
//	cout << cc[0]  << " " << cc[N-1] << endl;
	return 0;
	
}