洛谷的测试数据仅供民间交流使用，非官方测试数据。官方评测链接：https://www.cspro.org/。
在本题中，你需要实现一个 SNN（spiking neural network，脉冲神经网络）的模拟器。一个 SNN 由以下几部分组成：
- 神经元：按照一定的公式更新内部状态，接受脉冲并可以发放脉冲
- 脉冲源：在特定的时间发放脉冲
- 突触：连接神经元-神经元或者脉冲源-神经元，负责传递脉冲
神经元会按照一定的规则更新自己的内部状态。本题中，我们对时间进行离散化处理，即设置一个时间间隔 ，仅考虑时间间隔整数倍的时刻 ，按照下面的公式，从 时刻的取值计算 时刻的变量的取值：
其中 和 是神经元内部的变量，会随着时间而变化， 和 是常量，不会随着时间变化；其中 表示该神经元在 时刻接受到的所有脉冲输入的强度之和，如果没有接受到脉冲，那么 。当进行上面的计算后，如果满足 ，神经元会发放一个脉冲，脉冲经过突触传播到其他神经元；同时， 设为 并且 设为 ，其中 和 也是常量。图 1 展示了一个神经元 变量随时间变化的曲线。
:::align{center}
:::
突触表示的是神经元-神经元、脉冲源-神经元的连接关系，包含一个入结点和一个出结点（可能出现自环和重边）。当突触的入结点（神经元或者脉冲源）在 时刻发放一个脉冲，那么在传播延迟 个时刻以后，也就是在 时刻突触的出结点（神经元）会接受到一个强度为 的脉冲。
脉冲源在每个时刻以一定的概率发放一个脉冲，为了模拟这个过程，每个脉冲源有一个参数 ，并统一采用以下的伪随机函数：
C++ 版本：
static unsigned long next = 1;
int myrand(void) {
next = next * 1103515245 + 12345;
return((unsigned)(next/65536) % 32768);
}
Python 版本：
next = 1
def myrand():
global next
next = (next * 1103515245 + 12345) % (2 ** 64)
return (next // 65536) % 32768
Java 版本：
long next = 1;
int myrand() {
next = next * 1103515245 + 12345;
return (int)((Long.divideUnsigned(next, 65536)) % 32768);
}
在每个时刻，按照编号顺序从小到大，每个脉冲源调用一次上述的伪随机函数，当 时，在当前时刻发放一次脉冲，并通过突触传播到神经元。
进行仿真的时候，已知 0 时刻各个神经元的状态，从 1 时刻开始按照上述规则进行计算，直到完成 时刻的计算，再输出 时刻神经元的 值和发放的脉冲次数分别的最小值和最大值。
规定输入数据中结点按如下方式顺序编号： 为神经元的编号， 为脉冲源的编号。
代码中请使用双精度浮点类型。
