分类网络

题目描述

Orange设计了一个简单的分类网络，这个网络用于分类信息。网络可以看成是一个由 $m$ 层分类状态机构成的一个集合体，其中每层状态机都接受一个 $n$ 元一维向量，并且输出一个相同大小的向量。状态机构成一个前向传播网络，即第 $i$ 层的输出会作为第 $i+1$ 层的输入。其中，Orange在每层网络中都会对信息进行一次交换，具体为交换输入向量的任意两个元。

例如，假设对于一个 $n=5$ 的向量分类状态机，其分类参数为 $(1, 3)$，我们输入一个5维向量 $\vec{A}=(\underline a,b,\underline c,d,e)^T$，则他会交换 $\vec{A_1}$ 和 $\vec{A_3}$，输出$\vec{A'}=(\underline c,b,\underline a,d,e)^T$。事实上，即交换了第一个位置和第三个位置的元素。

现在，Orange要分类数据，共询问 $q$ 次，每次会给你输入一个 $n$ 元的向量 $\vec{A}$，并且给你分类网络的入口层 $l$ 和出口层 $r$，你需要输出 $\vec{A}$ 经过 $l \sim r$ 层分类后，最终输出的向量 $\vec{A'}$。

输入格式

输入第一行为 3 个整数 $n,m,q$，表示向量大小，分类网络层数与询问次数。 接下来 $m$ 行，每行包含两个整数 $u,v$，表示第 $i$ 层分类状态机的参数。 对于每次询问，输入 $2$ 行，第一行为两个整数 $l,r$ 表示神经网络的入口层 $l$ 和出口层 $r$，第二行为 $n$ 个整数，表示输入的待分类向量 $\vec A$。

数据范围

$2 \le n \le 10$ $1 \le \vec{A_i} \le 100$ $1 \le m,q \le 10^5$ $1 \le l \le r \le n$

输出格式

对于每次询问，输出 $n$ 个整数，占一行，表示答案。

样例 #1

样例输入 #1

5 5 2
2 3
4 5
1 5
3 4
2 3
3 5
1 2 3 4 5
1 2
1 2 3 4 5

样例输出 #1

5 4 2 3 1
1 3 2 5 4

提示

样例解释

当输入向量为 $\vec A = (1,2,3,4,5)^T$ 时： 经过第3层分类状态机，输出为 $(5,2,3,4,1)$，即交换 $A_1$ 与 $A_5$。 经过第4层分类状态机，输出为 $(5,2,4,3,1)$，即交换 $A_3$ 与 $A_4$。 经过第5层分类状态机，输出为 $(5,4,2,3,1)$，即交换 $A_2$ 与 $A_3$。 因此最后输出结果为 $\vec A'= (5,4,2,3,1)^T$。