题目描述

在线训练时通常会用随机数决定探索或利用。为了让评测结果可复现，具身智能部把本轮随机值和探索序号都写进了输入。你需要在合法且风险可接受的动作中执行一次确定性的 epsilon-greedy 选择。

不要在程序中自行生成随机数；输入中的 u 和 k 已经代表本轮探索所需的信息。

输入格式

第一行输入整数 A，表示动作数。

接下来 A 行，每行输入：

aid q legal risk

表示动作编号、Q 值、是否合法和风险。

最后一行输入：

eps u k risk_limit safe

其中 eps 为探索概率阈值，u 为本轮随机值，k 为探索序号，risk_limit 为风险上限，safe 为无可选动作时的安全动作编号。

动作编号为 1-based，但动作编号不要求连续；按输入的 aid 判断。

输出格式

若没有任何合格动作，输出：

STOP safe q

其中 q 为安全动作对应的 Q 值，保留 6 位小数；若 safe = -1，输出：

STOP -1 0.000000

若执行探索，输出：

EXPLORE aid q

若执行利用，输出：

EXPLOIT aid q

q 均保留 6 位小数。

判定规则

合格动作必须满足 legal = 1 且 risk <= risk_limit。

若没有合格动作，输出安全停止。

若 u < eps，执行探索：将合格动作按 aid 升序排列，选择下标 k mod 合格动作数量 的动作。

否则执行利用：选择 Q 值最大的合格动作；若并列，取风险更小者；若仍并列，取 aid 更小者。

使用标准输出比较，浮点数保留 6 位小数。

数据范围与测试提示

• 正式测试会覆盖样例没有出现的边界输入，请不要依赖样例规模或样例顺序写特判。
• 输出只包含题目要求的字段，不要输出调试信息；浮点结果按题面要求保留 6 位小数。
• 固定随机序列可能触发探索、利用、无合法动作和并列最大 Q 等分支。
• epsilon 比较、随机数下标和动作编号基准要严格按题面处理，隐藏数据会覆盖边界随机值。
• 动作编号使用输入给定的 1-based aid，不要求连续；探索条件为 u < eps，等于时走利用。

样例

输入样例 1

3
1 5 1 0.2
2 6 1 0.5
3 6 1 0.1
0.1 0.5 0 1 9

输出样例 1

EXPLOIT 3 6.000000

输入样例 2

3
1 5 1 0.2
2 6 1 0.5
3 1 1 0.1
0.5 0.1 4 1 9

输出样例 2

EXPLORE 2 6.000000