luogu1038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。

---

03年的T1，感觉坑的难度大于题目本身；

首先要注意对于题目本身的理解，

1.有向图，以及状态的定义是由上一个点的状态决定的，但是对于所谓的输入层则不需要考虑所谓的阈值；
2.注意一点那个要弄懂题目中各个变量的含义是什么；
3.注意特判一个点的情况，（可能是我写程序鲁棒性不强……）；
4.注意输出时要按编号输出；
5.每个点只有活着(c>0)时才能向下传输；

思路

要是能够看懂题目的话，算法应该不难想到，可以在拓扑排序上加一点改动，实质上应该算是一道模拟题；但对于各个细节的处理还是要注意；具体在代码中说明；

#include<iostream>
#include<cstdio>
#include<algorithm>
#include<vector>
#include<queue>
using namespace std;
queue<int> s;
vector<int> ans;
const int maxn=400;
int n,p,node[maxn],to[maxn],nxt[maxn],len[maxn],tot=0;
int ru[maxn],zhuangtai[maxn],yuzhi[maxn],chu[maxn];
void add(int x,int y,int z)
{
tot++;to[tot]=y;nxt[tot]=node[x];node[x]=tot;len[tot]=z;
ru[y]++;chu[x]++;
}
void tuopu()
{
    while(!s.empty())
    {
        int now=s.front();
        s.pop();
        for(int k=node[now];k;k=nxt[k])
        {
            int t=to[k];
            ru[t]--;
            zhuangtai[t]+=zhuangtai[now]*len[k];//拓扑到某个点时，要先更新他所能到达的点，然后再去见检查点是否能入队；
            if(ru[t]==0)
            if(zhuangtai[t]-yuzhi[t]>0)//只有处于兴奋状态才可继续传递
            {
                if(chu[t])
                    s.push(t),zhuangtai[t]-=yuzhi[t];
                else
                    ans.push_back(t);   //出度为0意味着是一个输出层的点
            }
            else
            {
            //若这个点处于平静状态，则不用它更新下一个点的状态，但是应该将连在下一个点上的边去掉，使其不影响判断；
                for(int h=node[t];h;h=nxt[h])
                {
                    int kkk=to[h];
                    ru[kkk]--;
                }
            }

        }
    }

}
int main()
{
    scanf("%d%d",&n,&p);
    for(int i=1;i<=n;i++)
        scanf("%d%d",&zhuangtai[i],&yuzhi[i]);
    int x,y,z;
    for(int i=1;i<=p;i++)
    {
        scanf("%d%d%d",&x,&y,&z);
        add(x,y,z);
    }

    for(int i=1;i<=n;i++)
    {
        if(zhuangtai[i]>0&&ru[i]==0)
        s.push(i);
    }

    if(n==1)//只有一个点的特判，貌似可以避过去，，，，，蒟蒻水平不够
    {
        if(zhuangtai[1]>0)
        printf("1 %d",zhuangtai[1]);//只有一个点也不需要减去阈值
        else
        printf("NULL");
        return 0;
}
    tuopu();

    sort(ans.begin(),ans.end());
    //保证答案有序
    if(ans.size())
    {
    for(int i=0;i<ans.size();i++)
        printf("%d %d\n",ans[i],zhuangtai[ans[i]]-yuzhi[ans[i]]);
    }
    else
    printf("NULL");

    return 0;
}