# 神经元是否有mark来代表簇号？有mark的话不提供给我每个GNCs的范围（即包含哪些神经元）也行，我就遍历一遍神经元再给GNC编号；
    # 没有的话建议用GNCGraph这个类来存了以后传过来。
    
    
    class OG_GNC:
        def __init__(self):
            self.Epop = []  # 数据结构暂定为List，内部放什么我不清楚, 这是种群记录项
            self.NUM_Neuron = 0  # 神经元总数
            self.Pop = 0
            self.W = []
            self.C = []
            self.P = []
            self.constrains = []
    
    
    class GNC:
        def __init__(self, N, Pop, W, C, P):
            self.N = N  # 神经元数量
            self.Pop = Pop  # Population个数
            self.W = W  # 权重矩阵
            self.C = C  # 连接矩阵
            self.P = []  # （神经元状态|参数）作为tuples
    
    
    def convert_oggnc_to_gnc(og_gnc):
        # 从 OG_GNC 实例中读取相应的属性
        N = og_gnc.NUM_Neuron
        Pop = og_gnc.Pop
        W = og_gnc.W
        C = og_gnc.C
        P = og_gnc.P
    
        # 创建并返回一个新的 GNC 实例
        return GNC(N, Pop, W, C, P)
    
    
    class GNCList:  # <- 不是很推荐用这个结构传给我!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
        def __init__(self):
            self.nodes = []  # Initializes an empty list to store nodes
    
        def add_node(self, node):
            self.nodes.append(node)  # Adds a GNC node to the list
    
        def get_node(self, index):
            if index < len(self.nodes):
                return self.nodes[index]  # Returns the node at a specific index
            return None  # Returns None if index is out of range
    
    
    class GNCGraph:  # 邓景年想要的定簇步（Step3）的输入,也就是簇构成的图
        def __init__(self, size):
            self.size = size
            self.matrix = [[0] * size for _ in range(size)]  # 创建一个size x size的矩阵，初始化为0
            self.nodes = [None] * size  # 存储 GNC 实例的列表
    
        def add_node(self, node, index):
            if 0 <= index < self.size:
                self.nodes[index] = node
    
        def add_edge(self, from_index, to_index):
            if 0 <= from_index < self.size and 0 <= to_index < self.size:
                self.matrix[from_index][to_index] = 1  # 设置矩阵相应位置为1，表示存在边
    
        def get_node(self, index):
            if 0 <= index < self.size:
                return self.nodes[index]
    
    
    #######################################################################################################################
    
    #                               Example Usage
    
    #######################################################################################################################
    #
    # # 使用样例：
    # # 创建图实例
    # g = GNCGraph(3)  # 假设有三个节点
    #
    # # 创建 GNC 实例
    # gnc1 = GNC(N=100, Pop=10, W=[[1, 0], [0, 1]], C=[[1, 0], [0, 1]], P=[])
    # gnc2 = GNC(N=150, Pop=15, W=[[0, 1], [1, 0]], C=[[0, 1], [1, 0]], P=[])
    # gnc3 = GNC(N=200, Pop=20, W=[[1, 1], [1, 1]], C=[[1, 1], [1, 1]], P=[])
    #
    # # 添加节点到图中
    # g.add_node(gnc1, 0)
    # g.add_node(gnc2, 1)
    # g.add_node(gnc3, 2)
    #
    # # 添加边
    # g.add_edge(0, 1)
    # g.add_edge(1, 2)
    # g.add_edge(2, 0)  # 创建一个环
    #
    # # 访问并打印一个节点
    # node = g.get_node(1)
    # if node:
    #     print("神经元数量:", node.N)
    #     print("Population个数:", node.Pop)
    #######################################################################################################################
    
    #                                           EOF
    
    #######################################################################################################################
    class SparseMatrixCSR:
        def __init__(self):
            self.row = []
            self.col = []
            self.value = []
    
        def add_entries(self, cols, values, base_index):
            self.row.append(base_index)
            self.col.extend(cols)
            self.value.extend(values)
    
        def finalize(self):
            self.row.append(len(self.value))  # 最后一个元素指向value数组的长度
    
    # !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 庭頫这边打包的类的结构还没定，但是我的网页大致的构架有写，你看看还要什么数据!!!!!!!!!!!!!!!!!!!!!!
    # !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 直接加到这个SharedClass文件里就行!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!