diff --git a/Melodie/algorithms/ga.py b/Melodie/algorithms/ga.py
index 2e19a5a0..43ae2f6c 100644
--- a/Melodie/algorithms/ga.py
+++ b/Melodie/algorithms/ga.py
@@ -1,4 +1,5 @@
 import logging
+import numpy as np
 
 try:
     from sko.GA import GA
@@ -16,8 +17,6 @@ def __init__(self, *args, **kwargs):
 
 class MelodieGA(GA):
     def run(self, max_iter=None):
-        import numpy as np
-
         self.max_iter = max_iter or self.max_iter
         best = []
         for i in range(self.max_iter):
diff --git a/Melodie/calibrator.py b/Melodie/calibrator.py
index 7f49d265..f4defa91 100644
--- a/Melodie/calibrator.py
+++ b/Melodie/calibrator.py
@@ -14,7 +14,7 @@
     Type,
     Iterator,
     cast,
-    Literal
+    Literal,
 )
 import pandas as pd
 
@@ -196,8 +196,7 @@ def get_params(self, id_chromosome: int) -> Dict[str, Any]:
         :param id_chromosome:
         :return:
         """
-        chromosome_value = self.algorithm.chrom2x(
-            self.algorithm.Chrom)[id_chromosome]
+        chromosome_value = self.algorithm.chrom2x(self.algorithm.Chrom)[id_chromosome]
         env_parameters_dict = {}
         for i, param_name in enumerate(self.env_param_names):
             env_parameters_dict[param_name] = chromosome_value[i]
@@ -214,8 +213,7 @@ def target_function_to_cache(
 
         :return:
         """
-        self.cache[(generation, id_chromosome)
-                   ] = env_data["target_function_value"]
+        self.cache[(generation, id_chromosome)] = env_data["target_function_value"]
 
     def generate_target_function(self) -> Callable[[], float]:
         """
@@ -226,8 +224,7 @@ def generate_target_function(self) -> Callable[[], float]:
 
         def f(*args):
             self._chromosome_counter += 1
-            value = self.cache[(self._current_generation,
-                                self._chromosome_counter)]
+            value = self.cache[(self._current_generation, self._chromosome_counter)]
             return value
 
         return f
@@ -260,14 +257,18 @@ def record_agent_properties(
                 d.update(agent_container_data)
 
                 agent_records[container_name].append(d)
-            self.manager._write_to_table("csv", f"{container_name}_calibrator_result", pd.DataFrame(
-                agent_records[container_name]))
+            self.manager._write_to_table(
+                "csv",
+                f"{container_name}_calibrator_result",
+                pd.DataFrame(agent_records[container_name]),
+            )
         environment_record.update(meta_dict)
         environment_record.update(env_data)
         environment_record.pop("target_function_value")
 
         self.manager._write_to_table(
-            "csv", "environment_calibrator_result", pd.DataFrame([environment_record]))
+            "csv", "environment_calibrator_result", pd.DataFrame([environment_record])
+        )
         return agent_records, environment_record
 
     def calc_cov_df(
@@ -309,8 +310,11 @@ def calc_cov_df(
                     )
                 container_agent_record_list.append(cov_records)
 
-            self.manager._write_to_table("csv", f"{container_name}_calibrator_result_cov",
-                                         pd.DataFrame(container_agent_record_list))
+            self.manager._write_to_table(
+                "csv",
+                f"{container_name}_calibrator_result_cov",
+                pd.DataFrame(container_agent_record_list),
+            )
         env_record = {}
         env_record.update(meta_dict)
         for prop_name in (
@@ -318,11 +322,11 @@ def calc_cov_df(
         ):
             mean = env_df[prop_name].mean()
             cov = env_df[prop_name].std() / env_df[prop_name].mean()
-            env_record.update(
-                {prop_name + "_mean": mean, prop_name + "_cov": cov})
+            env_record.update({prop_name + "_mean": mean, prop_name + "_cov": cov})
 
-        self.manager._write_to_table("csv", "environment_calibrator_result_cov",
-                                     pd.DataFrame([env_record]))
+        self.manager._write_to_table(
+            "csv", "environment_calibrator_result_cov", pd.DataFrame([env_record])
+        )
 
     def pre_check(self, meta):
         """
@@ -338,7 +342,6 @@ def pre_check(self, meta):
         )
 
     def run(self, scenario: Scenario, meta: Union[GACalibratorAlgorithmMeta]):
-
         self.pre_check(meta)
 
         for i in range(self.params.generation_num):
@@ -378,8 +381,7 @@ def run(self, scenario: Scenario, meta: Union[GACalibratorAlgorithmMeta]):
                 self.target_function_to_cache(env_data, i, chrom)
 
             self.calc_cov_df(
-                {k: pd.DataFrame(v)
-                 for k, v in agent_records_collector.items()},
+                {k: pd.DataFrame(v) for k, v in agent_records_collector.items()},
                 pd.DataFrame(env_records_list),
                 meta,
             )
@@ -463,8 +465,7 @@ def get_params_scenarios(self) -> List:
         :return: A list of dict, and each dict contains parameters.
         """
 
-        calibrator_scenarios_table = self.get_dataframe(
-            "calibrator_params_scenarios")
+        calibrator_scenarios_table = self.get_dataframe("calibrator_params_scenarios")
         assert isinstance(
             calibrator_scenarios_table, pd.DataFrame
         ), "No learning scenarios table specified!"
diff --git a/Melodie/data_collector.py b/Melodie/data_collector.py
index 6916ff08..0992b0ba 100644
--- a/Melodie/data_collector.py
+++ b/Melodie/data_collector.py
@@ -1,7 +1,21 @@
 import logging
 import os
 import time
-from typing import Callable, Generic, List, TYPE_CHECKING, Dict, NewType, Tuple, Any, Optional, Type, TypeVar, Union, cast
+from typing import (
+    Callable,
+    Generic,
+    List,
+    TYPE_CHECKING,
+    Dict,
+    NewType,
+    Tuple,
+    Any,
+    Optional,
+    Type,
+    TypeVar,
+    Union,
+    cast,
+)
 import pandas as pd
 import collections
 import sqlalchemy
@@ -22,7 +36,8 @@
 
 if TYPE_CHECKING:
     from Melodie import Model, Scenario, BaseAgentContainer, AgentList
-    M = TypeVar('M', bound=Model)
+
+    M = TypeVar("M", bound=Model)
 
 
 class PropertyToCollect:
@@ -38,12 +53,11 @@ def vectorize_template(obj):
 
 
 def underline_to_camel(s: str):
-    return ''.join(word.capitalize() for word in s.split('_'))
+    return "".join(word.capitalize() for word in s.split("_"))
 
 
 def vectorizer(attrs):
-    code = VEC_TEMPLATE.format(exprs=",".join(
-        [f'obj["{attr}"]' for attr in attrs]))
+    code = VEC_TEMPLATE.format(exprs=",".join([f'obj["{attr}"]' for attr in attrs]))
     d = {}
     exec(code, None, d)
     return d["vectorize_template"]
@@ -52,7 +66,7 @@ def vectorizer(attrs):
 vectorizers = {}
 
 
-class DataCollector():
+class DataCollector:
     """
     Data Collector collects data in the model.
 
@@ -63,7 +77,8 @@ class DataCollector():
     Before the model running finished, the DataCollector dumps data to dataframe, and save to
     database.
     """
-    _CORE_PROPERTIES_ = ['id_scenario', 'id_run', 'period']
+
+    _CORE_PROPERTIES_ = ["id_scenario", "id_run", "period"]
 
     def __init__(self, target="sqlite"):
         """
@@ -76,16 +91,15 @@ def __init__(self, target="sqlite"):
         self.config: Optional[Config] = None
         self.model: Optional[Model] = None
         self.scenario: Optional["Scenario"] = None
-        self._agent_properties_to_collect: Dict[str,
-                                                List[PropertyToCollect]] = {}
-        self._agent_properties_collectors: Dict[str, Callable[[
-            object], object]] = {}
+        self._agent_properties_to_collect: Dict[str, List[PropertyToCollect]] = {}
+        self._agent_properties_collectors: Dict[str, Callable[[object], object]] = {}
         self._environment_properties_to_collect: List[PropertyToCollect] = []
 
         self.agent_properties_dict: Dict[str, Table] = {}
         self.environment_properties_list: Dict[str, Table] = None
-        self._custom_collectors: Dict[str,
-                                      Tuple[Callable[[Model], Dict[str, Any]], List[str]]] = {}
+        self._custom_collectors: Dict[
+            str, Tuple[Callable[[Model], Dict[str, Any]], List[str]]
+        ] = {}
         self._custom_collected_data: Dict[str, GeneralTable] = {}
 
         self._time_elapsed = 0
@@ -124,8 +138,7 @@ def add_agent_property(
         :return:
         """
         if not hasattr(self.model, container_name):
-            raise AttributeError(
-                f"Model has no agent container '{container_name}'")
+            raise AttributeError(f"Model has no agent container '{container_name}'")
         if container_name not in self._agent_properties_to_collect.keys():
             self._agent_properties_to_collect[container_name] = []
         self._agent_properties_to_collect[container_name].append(
@@ -144,17 +157,20 @@ def add_environment_property(self, property_name: str, as_type: Type = None):
             PropertyToCollect(property_name, as_type)
         )
 
-    def add_custom_collector(self, table_name: str, row_collector:
-                             "Callable[[M], Union[Dict[str, Any], List[Dict[str, Any]]]]", columns: List[str]):
+    def add_custom_collector(
+        self,
+        table_name: str,
+        row_collector: "Callable[[M], Union[Dict[str, Any], List[Dict[str, Any]]]]",
+        columns: List[str],
+    ):
         """
         Add a custom data collector to generate a standalone table.
 
         :param table_name: The name of table storing the data collected.
-        :param row_collector: A callable function, returning a `dict` computed from `Model` forming one 
+        :param row_collector: A callable function, returning a `dict` computed from `Model` forming one
             row in the table.
         """
-        self._custom_collectors[table_name] = (
-            cast(Any, row_collector), columns)
+        self._custom_collectors[table_name] = (cast(Any, row_collector), columns)
 
     def env_property_names(self) -> List[str]:
         """
@@ -183,8 +199,7 @@ def agent_containers(self) -> List[Tuple[str, "BaseAgentContainer"]]:
         """
         containers = []
         for container_name in self._agent_properties_to_collect.keys():
-            containers.append(
-                (container_name, getattr(self.model, container_name)))
+            containers.append((container_name, getattr(self.model, container_name)))
         return containers
 
     def collect_agent_properties(self, period: int):
@@ -215,7 +230,8 @@ def collect_single_custom_property(self, collector_name: str, period: int):
         collector_func, column_names = self._custom_collectors[collector_name]
         if collector_name not in self._custom_collected_data:
             self._custom_collected_data[collector_name] = GeneralTable(
-                {k: None for k in column_names}, column_names)
+                {k: None for k in column_names}, column_names
+            )
         assert self.model is not None
         data = collector_func(self.model)
         if isinstance(data, list):
@@ -226,7 +242,8 @@ def collect_single_custom_property(self, collector_name: str, period: int):
             self._custom_collected_data[collector_name].data.append(data)
         else:
             raise NotImplementedError(
-                "Data collector function should return a list or dict")
+                "Data collector function should return a list or dict"
+            )
 
     def append_agent_properties_by_records(
         self,
@@ -245,8 +262,7 @@ def append_agent_properties_by_records(
         id_run, id_scenario = self.model.run_id_in_scenario, self.model.scenario.id
         if container_name not in self.agent_properties_dict:
             if len(container) == 0:
-                raise ValueError(
-                    f"No property collected for container {container}!")
+                raise ValueError(f"No property collected for container {container}!")
             agent_attrs_dict = container.random_sample(1)[0].__dict__
             props = {
                 "id_scenario": 0,
@@ -258,7 +274,8 @@ def append_agent_properties_by_records(
 
             row_cls = TableRow.subcls_from_dict(props)
             self.agent_properties_dict[container_name] = Table(
-                row_cls, self._CORE_PROPERTIES_+['id'] + prop_names)
+                row_cls, self._CORE_PROPERTIES_ + ["id"] + prop_names
+            )
             self._agent_properties_collectors[
                 container_name
             ] = objs_to_table_row_vectorizer(row_cls, prop_names)
@@ -283,12 +300,12 @@ def append_environment_properties(self, period: int):
             "id_run": self.model.run_id_in_scenario,
             "period": period,
         }
-        env_dic.update(self.model.environment.to_dict(
-            self.env_property_names()))
+        env_dic.update(self.model.environment.to_dict(self.env_property_names()))
         if self.environment_properties_list is None:
             row_cls = TableRow.subcls_from_dict(env_dic)
             self.environment_properties_list = Table(
-                row_cls, self._CORE_PROPERTIES_+self.env_property_names())
+                row_cls, self._CORE_PROPERTIES_ + self.env_property_names()
+            )
         self.environment_properties_list.append_from_dicts([env_dic])
 
     @property
@@ -360,7 +377,9 @@ def get_single_agent_data(self, agent_container_name: str, agent_id: int):
         container_data = self.agent_properties_dict[agent_container_name]
         return list(filter(lambda item: item["id"] == agent_id, container_data))
 
-    def _write_list_to_table(self, engine, table_name: str, data: Union[Table, GeneralTable]):
+    def _write_list_to_table(
+        self, engine, table_name: str, data: Union[Table, GeneralTable]
+    ):
         """
         Write a list of dict into database.
 
@@ -370,7 +389,7 @@ def _write_list_to_table(self, engine, table_name: str, data: Union[Table, Gener
             base_path = self.model.config.output_tables_path()
             if not os.path.exists(base_path):
                 os.makedirs(base_path)
-            path = os.path.join(base_path, table_name+".csv")
+            path = os.path.join(base_path, table_name + ".csv")
             data.to_file(path)
         else:
             data.to_database(engine, table_name)
@@ -404,7 +423,7 @@ def save(self):
                 # "agent_list" -> "AgentList"
                 # "agent_list" -> "Agent_list"
                 # "Agent"
-                "Result_"+underline_to_camel(container_name),
+                "Result_" + underline_to_camel(container_name),
                 self.agent_properties_dict[container_name],
             )
             write_db_time += time.time() - _t
@@ -414,7 +433,7 @@ def save(self):
             self._write_list_to_table(
                 connection.get_engine(),
                 custom_table_name,
-                self._custom_collected_data[custom_table_name]
+                self._custom_collected_data[custom_table_name],
             )
             write_db_time += time.time() - _t
         self.agent_properties_dict = {}
diff --git a/Melodie/data_loader.py b/Melodie/data_loader.py
index cdc92346..6d03ba1b 100644
--- a/Melodie/data_loader.py
+++ b/Melodie/data_loader.py
@@ -26,15 +26,16 @@
 
 def first_char_upper(s: str) -> str:
     if len(s) >= 1:
-        return s[0].upper()+s[1:]
+        return s[0].upper() + s[1:]
     else:
         return s
 
+
 # TODO: move this function to utils
 
 
 def underline_to_camel(s):
-    return ''.join(first_char_upper(word) for word in s.split('_'))
+    return "".join(first_char_upper(word) for word in s.split("_"))
 
 
 class DataFrameInfo:
@@ -53,7 +54,7 @@ def __init__(
         self,
         df_name: str,
         columns: Dict[str, "sqlalchemy.types"],
-        file_name: str = '',
+        file_name: str = "",
         engine: str = "pandas",
     ):
         """
@@ -102,7 +103,6 @@ def __init__(
 
     @property
     def dtype(self):
-        import numpy as np
         if self.data_type is None:
             return None
         py_type = self.data_type.python_type
@@ -155,7 +155,11 @@ def load_scenarios(self):
         for file_name in os.listdir(self.config.input_folder):
             camel_case = underline_to_camel(os.path.splitext(file_name)[0])
 
-            if camel_case in ("SimulatorScenarios", "TrainerScenarios", "CalibratorScenarios"):
+            if camel_case in (
+                "SimulatorScenarios",
+                "TrainerScenarios",
+                "CalibratorScenarios",
+            ):
                 self.load_dataframe(file_name, camel_case)
 
     def load_dataframe(self, df_info: Union[str, "DataFrameInfo"], df_name=""):
@@ -175,7 +179,9 @@ def load_dataframe(self, df_info: Union[str, "DataFrameInfo"], df_name=""):
         else:
             return self._load_dataframe(df_info)
 
-    def load_matrix(self, mat_info: Union[str, "MatrixInfo"], mat_name="") -> np.ndarray:
+    def load_matrix(
+        self, mat_info: Union[str, "MatrixInfo"], mat_name=""
+    ) -> np.ndarray:
         """
         Load a matrix from table file.
 
@@ -186,8 +192,7 @@ def load_matrix(self, mat_info: Union[str, "MatrixInfo"], mat_name="") -> np.nda
         assert self.manager is not None, MelodieExceptions.MLD_INTL_EXC
         assert self.manager.data_loader is not None, MelodieExceptions.MLD_INTL_EXC
         if isinstance(mat_info, str):
-            mat_name = mat_name if mat_name != "" else os.path.basename(
-                mat_info)
+            mat_name = mat_name if mat_name != "" else os.path.basename(mat_info)
             info = MatrixInfo(mat_name, None, mat_info)
             return self.manager.data_loader._load_matrix(info)
         else:
@@ -279,8 +284,7 @@ def _load_dataframe(self, df_info: "DataFrameInfo") -> "pd.DataFrame":
         if df_info.df_name in self.registered_dataframes:
             return self.registered_dataframes[df_info.df_name]
         assert df_info.file_name is not None
-        file_path_abs = os.path.join(
-            self.config.input_folder, df_info.file_name)
+        file_path_abs = os.path.join(self.config.input_folder, df_info.file_name)
 
         table = self._load_dataframe_cached(file_path_abs)
 
@@ -299,16 +303,15 @@ def _load_matrix(self, matrix_info: "MatrixInfo") -> "np.ndarray":
 
         assert matrix_info.file_name is not None
         _, ext = os.path.splitext(matrix_info.file_name)
-        file_path_abs = os.path.join(
-            self.config.input_folder, matrix_info.file_name
-        )
+        file_path_abs = os.path.join(self.config.input_folder, matrix_info.file_name)
         if ext in {".xls", ".xlsx"}:
             table: "pd.DataFrame" = pd.read_excel(file_path_abs, header=None)
         elif ext in {".csv"}:
             table: "pd.DataFrame" = pd.read_csv(file_path_abs, header=None)
         else:
             raise NotImplementedError(
-                f"Cannot load file with extension {ext} to matrix.")
+                f"Cannot load file with extension {ext} to matrix."
+            )
         array = table.to_numpy(matrix_info.dtype, copy=True)
         self.registered_matrices[matrix_info.mat_name] = array
         return array
@@ -338,20 +341,18 @@ def generate_scenarios_from_dataframe(self, df_name: str) -> List["Scenario"]:
         """
         scenarios_dataframe = self.registered_dataframes.get(df_name)
         if scenarios_dataframe is None:
-            MelodieExceptions.Data.TableNotFound(
-                df_name, self.registered_dataframes)
+            MelodieExceptions.Data.TableNotFound(df_name, self.registered_dataframes)
         scenarios_dataframe = TableInterface(scenarios_dataframe)
         cols = [col for col in scenarios_dataframe.columns]
         scenarios: List[Scenario] = []
         for i, row in enumerate(scenarios_dataframe.iter_dicts()):
             scenario = self.scenario_cls()
             scenario.manager = self.manager
-            
+
             scenario._setup(row)
             scenarios.append(scenario)
         if len(scenarios) == 0:
-            raise MelodieExceptions.Scenario.NoValidScenarioGenerated(
-                scenarios)
+            raise MelodieExceptions.Scenario.NoValidScenarioGenerated(scenarios)
         return scenarios
 
     def generate_scenarios(self, manager_type: str) -> List["Scenario"]:
@@ -363,8 +364,7 @@ def generate_scenarios(self, manager_type: str) -> List["Scenario"]:
         """
         if manager_type not in {"Simulator", "Trainer", "Calibrator"}:
             raise MelodieExceptions.Program.Variable.VariableNotInSet(
-                "manager_type", manager_type, {
-                    "Simulator", "Trainer", "Calibrator"}
+                "manager_type", manager_type, {"Simulator", "Trainer", "Calibrator"}
             )
 
         df_name = f"{manager_type}Scenarios"
@@ -375,4 +375,5 @@ def generate_scenarios(self, manager_type: str) -> List["Scenario"]:
             return self.generate_scenarios_from_dataframe(underline_to_camel(df_name))
         else:
             raise NotImplementedError(
-                f"{manager_type}/{underline_to_camel(df_name)} is not supported!")
+                f"{manager_type}/{underline_to_camel(df_name)} is not supported!"
+            )
diff --git a/Melodie/model.py b/Melodie/model.py
index a8ce92ad..f092817d 100644
--- a/Melodie/model.py
+++ b/Melodie/model.py
@@ -257,8 +257,7 @@ def _check_agent_containers(self):
             if isinstance(prop, BaseAgentContainer):
                 all_ids = prop.all_agent_ids()
                 if len(set(all_ids)) < len(all_ids):
-                    raise MelodieExceptions.Agents.AgentIDConflict(
-                        prop_name, all_ids)
+                    raise MelodieExceptions.Agents.AgentIDConflict(prop_name, all_ids)
 
     def run(self):
         """
diff --git a/Melodie/network.py b/Melodie/network.py
index e30fa8a7..4544d752 100644
--- a/Melodie/network.py
+++ b/Melodie/network.py
@@ -5,7 +5,7 @@
 
 import networkx as nx
 
-
+import numpy as np
 from MelodieInfra.core import Agent, AgentList
 
 if TYPE_CHECKING:
@@ -305,8 +305,6 @@ def update_layout(self):
         :return: None
         """
         if os.path.exists(self.layout_file):
-            import numpy as np
-
             try:
                 G = nx.read_gexf(self.layout_file, node_type=ast.literal_eval)
                 positions = {}
diff --git a/Melodie/simulator.py b/Melodie/simulator.py
index ddb24aa7..ab5f0e5d 100644
--- a/Melodie/simulator.py
+++ b/Melodie/simulator.py
@@ -21,7 +21,6 @@
     MelodieExceptions,
     show_prettified_warning,
     MelodieGlobalConfig,
-
 )
 
 from .data_loader import DataLoader, DataFrameInfo
@@ -128,8 +127,7 @@ def pre_run(self, clear_output_data=True):
         self.scenarios = self.generate_scenarios()
 
         if self.scenarios is None or len(self.scenarios) == 0:
-            raise MelodieExceptions.Scenario.NoValidScenarioGenerated(
-                self.scenarios)
+            raise MelodieExceptions.Scenario.NoValidScenarioGenerated(self.scenarios)
 
     @abc.abstractmethod
     def generate_scenarios(self) -> List[Scenario]:
@@ -138,7 +136,9 @@ def generate_scenarios(self) -> List[Scenario]:
         """
         pass
 
-    def _write_to_table(self, kind: Literal["csv", "sql"], table_name: str, data: pd.DataFrame):
+    def _write_to_table(
+        self, kind: Literal["csv", "sql"], table_name: str, data: pd.DataFrame
+    ):
         """
         Write a pandas dataframe to a table in output directory or database
         """
@@ -149,8 +149,9 @@ def _write_to_table(self, kind: Literal["csv", "sql"], table_name: str, data: pd
                 if_exists="append",
             )
         elif kind == "csv":
-            csv_file = os.path.join(self.config.output_tables_path(),
-                                    table_name+".csv")
+            csv_file = os.path.join(
+                self.config.output_tables_path(), table_name + ".csv"
+            )
             if os.path.exists(csv_file):
                 data.to_csv(csv_file, mode="a", header=False)
             else:
@@ -534,8 +535,7 @@ def new_parallel(self, cores: int = 1):
                         )
                         first_run = True
                     else:
-                        parallel_manager.put_task(
-                            (id_run, scenario.to_json(), None))
+                        parallel_manager.put_task((id_run, scenario.to_json(), None))
                         tasks_count += 1
 
             for i in range(tasks_count):
diff --git a/Melodie/trainer.py b/Melodie/trainer.py
index 3c41587a..55b17b0e 100644
--- a/Melodie/trainer.py
+++ b/Melodie/trainer.py
@@ -2,6 +2,8 @@
 import logging
 import time
 import sys
+
+import pandas as pd
 from typing import (
     Dict,
     Tuple,
@@ -185,8 +187,7 @@ def __init__(
         self.algorithms_dict: Dict[Tuple[int, str], Union["GA"]] = {}
 
         self.target_fcn_cache = TargetFcnCache()
-        self.agent_container_getters: Dict[str,
-                                           Callable[[Model], AgentList]] = {}
+        self.agent_container_getters: Dict[str, Callable[[Model], AgentList]] = {}
         self.agent_ids: Dict[str, List[int]] = {}  # {category : [agent_id]}
         self.agent_params_defined: Dict[
             str, List[str]
@@ -243,8 +244,7 @@ def setup_agent_locations(
         for agent_id in agent_id_list:
             self.algorithms_dict[(agent_id, container_name)] = MelodieGA(
                 func=cast(
-                    "function", self.generate_target_function(
-                        agent_id, container_name)
+                    "function", self.generate_target_function(agent_id, container_name)
                 ),
                 n_dim=len(param_names),
                 size_pop=self.params.strategy_population,
@@ -270,8 +270,7 @@ def get_agent_params(self, id_chromosome: int):
         }
         # {category : [{id: 0, param1: 1, param2: 2, ...}]}
         for key, algorithm in self.algorithms_dict.items():
-            chromosome_value = algorithm.chrom2x(
-                algorithm.Chrom)[id_chromosome]
+            chromosome_value = algorithm.chrom2x(algorithm.Chrom)[id_chromosome]
             agent_id, agent_category = key
             d = {"id": agent_id}
             for i, param_name in enumerate(self.agent_params_defined[agent_category]):
@@ -333,7 +332,6 @@ def record_agent_properties(
         :param meta:
         :return:
         """
-        import pandas as pd
 
         agent_records = {}
         env_record = {}
@@ -354,13 +352,19 @@ def record_agent_properties(
                 agent_records[container_name].append(d)
 
             self.manager._write_to_table(
-                "csv", f"{container_name}_trainer_result", pd.DataFrame(agent_records[container_name]))
+                "csv",
+                f"{container_name}_trainer_result",
+                pd.DataFrame(agent_records[container_name]),
+            )
 
         env_record.update(meta_dict)
         env_record.update(env_data)
 
         self.manager._write_to_table(
-            "csv", "environment_trainer_result", pd.DataFrame([env_record]),)
+            "csv",
+            "environment_trainer_result",
+            pd.DataFrame([env_record]),
+        )
 
         return agent_records, env_record
 
@@ -377,7 +381,6 @@ def calc_cov_df(
         :param meta:
         :return:
         """
-        import pandas as pd
 
         pd.set_option("max_colwidth", 500)
         pd.set_option("display.max_columns", None)
@@ -402,17 +405,20 @@ def calc_cov_df(
                         {prop_name + "_mean": mean, prop_name + "_cov": cov}
                     )
                 container_agent_record_list.append(cov_records)
-            self.manager._write_to_table("csv",  f"{container_name}_trainer_result_cov",
-                                         pd.DataFrame(container_agent_record_list),)
+            self.manager._write_to_table(
+                "csv",
+                f"{container_name}_trainer_result_cov",
+                pd.DataFrame(container_agent_record_list),
+            )
         env_record = {}
         env_record.update(meta_dict)
         for prop_name in self.recorded_env_properties:
             mean = env_df[prop_name].mean()
             cov = env_df[prop_name].std() / env_df[prop_name].mean()
-            env_record.update(
-                {prop_name + "_mean": mean, prop_name + "_cov": cov})
-        self.manager._write_to_table("csv",  "environment_trainer_result_cov",
-                                     pd.DataFrame([env_record]))
+            env_record.update({prop_name + "_mean": mean, prop_name + "_cov": cov})
+        self.manager._write_to_table(
+            "csv", "environment_trainer_result_cov", pd.DataFrame([env_record])
+        )
 
     def pre_check(self, meta):
         """
@@ -427,8 +433,6 @@ def pre_check(self, meta):
         )
 
     def run(self, scenario: Scenario, meta: Union[GATrainerAlgorithmMeta]):
-        import pandas as pd
-
         self.pre_check(meta)
 
         for i in range(self.params.generation_num):
@@ -474,12 +478,11 @@ def run(self, scenario: Scenario, meta: Union[GATrainerAlgorithmMeta]):
                     agent_records_collector[container_name] += records
                 env_records_list.append(env_record)
                 self.target_function_to_cache(agents_data, i, chrom)
-                
+
             t1 = time.time()
             print(t1 - t0)
             self.calc_cov_df(
-                {k: pd.DataFrame(v)
-                 for k, v in agent_records_collector.items()},
+                {k: pd.DataFrame(v) for k, v in agent_records_collector.items()},
                 pd.DataFrame(env_records_list),
                 meta,
             )
@@ -528,8 +531,7 @@ def add_container(
         :return:
         """
         self.agent_containers.append(
-            RelatedAgentContainerModel(
-                container_name, used_properties, [], agent_ids)
+            RelatedAgentContainerModel(container_name, used_properties, [], agent_ids)
         )
 
     def get_agent_container(
@@ -669,8 +671,7 @@ def run_once_new(self, scenario: Scenario, trainer_params: Union[GATrainerParams
         :return: None
         """
 
-        self.algorithm = GATrainerAlgorithm(
-            trainer_params, self, self.processors)
+        self.algorithm = GATrainerAlgorithm(trainer_params, self, self.processors)
         self.algorithm.recorded_env_properties = self.environment_properties
         for agent_container in self.container_manager.agent_containers:
             self.algorithm.setup_agent_locations(
@@ -741,15 +742,13 @@ def generate_trainer_params_list(
 
         :return: A list of trainer parameters.
         """
-        import pandas as pd
 
         trainer_params_table = self.get_dataframe("trainer_params_scenarios")
         assert isinstance(
             trainer_params_table, pd.DataFrame
         ), "No learning scenarios table specified!"
 
-        trainer_params_raw_list = trainer_params_table.to_dict(
-            orient="records")
+        trainer_params_raw_list = trainer_params_table.to_dict(orient="records")
 
         trainer_params_list = []
         for trainer_params_raw in trainer_params_raw_list:
diff --git a/MelodieInfra/boost/__init__.py b/MelodieInfra/boost/__init__.py
deleted file mode 100644
index e69de29b..00000000
diff --git a/MelodieInfra/boost/numba_numpy_run.py b/MelodieInfra/boost/numba_numpy_run.py
deleted file mode 100644
index 340d0c2d..00000000
--- a/MelodieInfra/boost/numba_numpy_run.py
+++ /dev/null
@@ -1,22 +0,0 @@
-from numba import njit
-import numpy as np
-import pandas as pd
-
-df = pd.DataFrame([[1, 1.0], [2, 2.2]], columns=["id", "name"])
-arr = df.to_numpy()
-print(arr, arr.dtype, df["id"].dtype, df["id"].to_numpy().dtype)
-
-arr = np.array([(1, 1.0), (2, 2.2)], dtype=[("id", "i4"), ("value", "f4")])
-# fields_gl = ('a1', 'a2')
-print(arr)
-
-
-@njit
-def test(arr):
-    s = 0.0
-    for item in arr:
-        s += item[0]
-    return s
-
-
-print(test(arr))
diff --git a/MelodieInfra/boost/numba_utils.py b/MelodieInfra/boost/numba_utils.py
deleted file mode 100644
index 11dd7df7..00000000
--- a/MelodieInfra/boost/numba_utils.py
+++ /dev/null
@@ -1,183 +0,0 @@
-import random
-from typing import Any, Type, List, Dict
-
-import pandas as pd
-
-from MelodieInfra.table.pandas_compat import TableInterface, TABLE_TYPE
-
-
-def set_agent_params(agent, params):
-    for k, v in params.items():
-        setattr(agent, k, v)
-
-
-def set_properties(agent_cls, agent_list, props_table: TABLE_TYPE):
-    """
-    Set parameters of all agents in current scenario from a pandas dataframe.
-
-    :return: None
-    """
-    table = TableInterface(props_table)
-
-    param_names = [param for param in table.columns if param not in {"id_scenario"}]
-
-    if "id_scenario" in table.columns:
-        params_table = table.filter(
-            lambda row: row["id_scenario"] == agent_list.scenario.id
-        )
-    else:
-        params_table = table  # deep copy this dataframe.
-    if "id" in param_names:
-        row: Dict[str, Any]
-        for i, row in enumerate(params_table.iter_dicts()):
-            params = {k: row[k] for k in param_names}
-            agent = agent_list.get_agent(params["id"])
-            print(agent)
-            if agent is None:
-                agent = agent_list.add(None)
-            # print(params)
-            set_agent_params(agent, params)
-            print(agent.id, agent.a)
-    else:
-        row: Dict[str, Any]
-        params_table.df.data("out.csv")
-        assert len(agent_list) == len(params_table), (
-            len(agent_list),
-            len(params_table),
-        )
-
-        for i, row in enumerate(params_table.iter_dicts()):
-            params = {k: row[k] for k in param_names}
-            agent = agent_list.agents(i)
-            set_agent_params(agent, params)
-
-
-def create_class(agent_cls: Type):
-    from numba import types, typed, jit, njit
-    import numpy as np
-
-    spec = [
-        ("_id_offset", types.int64),
-        ("agents", types.ListType(agent_cls.class_type.instance_type)),
-        ("indices", types.DictType(types.int64, types.int64)),
-    ]
-
-    # @jit(nopython=False)
-    # def create_agent_class():
-    #     return agent_cls
-
-    @njit(cache=True)
-    def rand_choice(length, sample_num):
-        return np.random.choice(length, sample_num)
-
-    @njit(cache=True)
-    def create_empty_int2int_dict():
-        return typed.Dict.empty(types.int64, types.int64)
-
-    @jitclass(spec)
-    class JittedAgentList:
-        def __init__(self) -> None:
-            self._id_offset = -1
-            self.agents = typed.List([agent_cls(0) for i in range(0)])
-            self.indices = create_empty_int2int_dict()
-
-        def new_id(self) -> int:
-            self._id_offset += 1
-            return self._id_offset
-
-        def add(self, agent):
-            if agent is None:
-                agent = agent_cls(self.new_id())
-            self.agents.append(agent)
-            index = len(self.agents) - 1
-            self._set_index(agent.id, index)
-            return agent
-
-        def get_agent(self, agent_id: int):
-            index = self._get_index(agent_id)
-            if index == -1:
-                return None
-            else:
-                return self.agents[index]
-
-        def _set_index(self, agent_id, agent_index):
-            self.indices[agent_id] = agent_index
-
-        def _get_index(self, agent_id):
-            if agent_id in self.indices:
-                return self.indices[agent_id]
-            else:
-                return -1
-
-        def __getitem__(self, agent_index):
-            return self.agents[agent_index]
-
-        def __len__(self):
-            return len(self.agents)
-
-        def random_sample(self, sample_num: int) -> List["AgentGeneric"]:
-            """
-            Randomly sample `sample_num` agents from the container
-            :param sample_num:
-            :return:
-            """
-            indices = rand_choice(len(self.agents), sample_num)
-            agents = typed.List([agent_cls(0) for i in range(0)])
-            for index in indices:
-                agents.append(self.agents[index])
-            return agents
-
-        def filter(self, f):
-            agents = typed.List([agent_cls(0) for i in range(0)])
-            for a in self.agents:
-                if f(a):
-                    agents.append(a)
-            return agents
-
-    return JittedAgentList
-
-
-if __name__ == "__main__":
-    from numba import float64, int64, njit
-    from numba.experimental import jitclass
-    import time
-
-    t0 = time.time()
-
-    @jitclass([("id", int64), ("a", float64)])
-    class JittedAgent:
-        def __init__(self, id: int) -> None:
-            self.id = id
-            self.a = 0.5
-
-    cls = create_class(JittedAgent)
-    agents = cls()
-    agents.add(JittedAgent(0))
-    agents.add(JittedAgent(2))
-    agents.add(JittedAgent(3))
-    agents.add(None)
-    print(iter(agents))
-    print(agents.agents[0].a)
-    print(len(agents))
-    print(agents.indices)
-    print(agents._get_index(3))
-    print(agents[1].id)
-    assert agents[1].id == agents.get_agent(agents[1].id).id
-    agent1, agent2 = agents.random_sample(2)
-    print(agent1.id, agent2.id)
-
-    @njit
-    def f(a):
-        return a.id >= 2
-
-    filtered_agents = agents.filter(f)
-    print(filtered_agents)
-    print(filtered_agents[0].id)
-    t1 = time.time()
-
-    agents = cls()
-    props_table = pd.DataFrame([[0, 1], [1, 114]], columns=["id", "a"])
-    set_properties(JittedAgent, agents, props_table)
-    print(len(agents.agents))
-    print(agents.agents[0].id, agents.agents[1].id)
-    print("warming up time", t1 - t0)
diff --git a/MelodieInfra/config/config.py b/MelodieInfra/config/config.py
index 3b34bb66..dd286591 100644
--- a/MelodieInfra/config/config.py
+++ b/MelodieInfra/config/config.py
@@ -23,7 +23,7 @@ def __init__(
         input_folder: str,
         output_folder: str,
         visualizer_entry: str = "",
-        data_output_type:  Literal["csv", "sqlite"] = "csv",
+        data_output_type: Literal["csv", "sqlite"] = "csv",
         database_config: Optional["DBConfigTypes"] = None,
         **kwargs,
     ):
@@ -40,8 +40,7 @@ def __init__(
 
         if database_config is None:
             self.database_config = SQLiteDBConfig(
-                os.path.join(self.output_folder,
-                             self.project_name + SQLITE_FILE_SUFFIX)
+                os.path.join(self.output_folder, self.project_name + SQLITE_FILE_SUFFIX)
             )
         else:
             assert isinstance(database_config, BaseMelodieDBConfig), (
@@ -95,7 +94,7 @@ def from_dict(d: Dict[str, Any]):
     def output_tables_path(self):
         """
         Get the path to store the tables output from the model. It is `data/output/{project_name}`
-        
+
         If output to database and using sqlite, the output directory will be `data/output`
         """
         return os.path.join(self.output_folder)
diff --git a/MelodieInfra/core/agent.py b/MelodieInfra/core/agent.py
index 75b5b485..0e023d73 100644
--- a/MelodieInfra/core/agent.py
+++ b/MelodieInfra/core/agent.py
@@ -1,8 +1,6 @@
 from typing import List
 from .types import Optional, TYPE_CHECKING, Dict, Any
 
-# import .types as types
-
 
 class Element:
     def set_params(self, params: Dict[str, Any]):
diff --git a/MelodieInfra/core/agent_list.py b/MelodieInfra/core/agent_list.py
index dd538782..f0ae96b6 100644
--- a/MelodieInfra/core/agent_list.py
+++ b/MelodieInfra/core/agent_list.py
@@ -12,6 +12,8 @@
     TypeVar,
 )
 
+import pandas as pd
+
 from .agent import Agent
 from ..exceptions import MelodieExceptions, show_prettified_warning
 from ..table import TABLE_TYPE, TableInterface
@@ -277,7 +279,6 @@ def to_dataframe(self, column_names: List[str] = None) -> TABLE_TYPE:
         :param column_names: property names to store
         :return:
         """
-        import pandas as pd
 
         data_list = self.to_list(column_names)
         df = pd.DataFrame(data_list)
diff --git a/MelodieInfra/db/db.py b/MelodieInfra/db/db.py
index 79d3de1c..598382c3 100644
--- a/MelodieInfra/db/db.py
+++ b/MelodieInfra/db/db.py
@@ -6,6 +6,7 @@
 import sqlalchemy
 from sqlalchemy.exc import OperationalError
 from sqlalchemy_utils import database_exists, create_database
+import pandas as pd
 
 from ..table import TableBase, TABLE_TYPE, GeneralTable, DatabaseConnector
 from ..exceptions import MelodieExceptions
@@ -141,8 +142,7 @@ def clear_database(self):
         Clear the database, deleting all tables.
         """
         if database_exists(self.connection.url):
-            logger.info(
-                f"Database contains tables: {self.connection.table_names()}.")
+            logger.info(f"Database contains tables: {self.connection.table_names()}.")
             table_names = list(self.connection.table_names())
             for table_name in table_names:
                 self.connection.execute(f"drop table {table_name}")
@@ -182,7 +182,7 @@ def write_dataframe(
                 if_exists=if_exists,
             )
             t1 = time.time()
-            print("t1-t0", t1-t0, t2-t0, data_frame.shape)
+            print("t1-t0", t1 - t0, t2 - t0, data_frame.shape)
 
     def read_dataframe(
         self,
@@ -215,8 +215,7 @@ def read_dataframe(
         where_condition_phrase = ""
         condition_phrases = []
         if conditions is not None:
-            condition_phrases.extend([item[0] + item[1]
-                                     for item in conditions])
+            condition_phrases.extend([item[0] + item[1] for item in conditions])
         if id_scenario is not None:
             condition_phrases.append(f"id_scenario={id_scenario}")
         if id_run is not None:
@@ -227,8 +226,6 @@ def read_dataframe(
                 sql += " where " + " and ".join(condition_phrases)
             logger.debug("Querying database: " + sql)
             if df_type == "pandas":
-                import pandas as pd
-
                 return pd.read_sql(sql, self.connection)
             else:
                 return GeneralTable.from_database(self.connection, table_name, sql)
@@ -236,8 +233,7 @@ def read_dataframe(
             import traceback
 
             traceback.print_exc()
-            raise MelodieExceptions.Data.AttemptingReadingFromUnexistedTable(
-                table_name)
+            raise MelodieExceptions.Data.AttemptingReadingFromUnexistedTable(table_name)
 
     def drop_table(self, table_name: str):
         """
diff --git a/MelodieInfra/parallel/parallel_manager.py b/MelodieInfra/parallel/parallel_manager.py
index c894838d..e3a21f98 100644
--- a/MelodieInfra/parallel/parallel_manager.py
+++ b/MelodieInfra/parallel/parallel_manager.py
@@ -99,8 +99,7 @@ def run(self, role: str):
             p = subprocess.Popen(
                 [
                     sys.executable,
-                    os.path.join(os.path.dirname(__file__),
-                                 "parallel_worker.py"),
+                    os.path.join(os.path.dirname(__file__), "parallel_worker.py"),
                     "--core_id",
                     str(core_id),
                     "--workdirs",
diff --git a/MelodieInfra/parallel/parallel_worker.py b/MelodieInfra/parallel/parallel_worker.py
index 8e48c9cd..84417e1f 100644
--- a/MelodieInfra/parallel/parallel_worker.py
+++ b/MelodieInfra/parallel/parallel_worker.py
@@ -111,7 +111,7 @@ def sub_routine_trainer(
     :return:
     """
     # TODO: Have to set this path!
-    
+
     from Melodie import Config, Trainer, Environment, AgentList, Agent
     import logging
 
@@ -121,9 +121,8 @@ def sub_routine_trainer(
     try:
         config = Config.from_dict(config_raw)
         trainer: Trainer
-        
-        trainer, scenario_cls, model_cls = get_scenario_manager(
-            config, modules)
+
+        trainer, scenario_cls, model_cls = get_scenario_manager(config, modules)
     except BaseException:
         import traceback
 
@@ -161,8 +160,7 @@ def sub_routine_trainer(
                 agent_data[container.container_name] = df
                 for row in df:
                     agent = agent_container.get_agent(row["id"])
-                    row["target_function_value"] = trainer.target_function(
-                        agent)
+                    row["target_function_value"] = trainer.target_function(agent)
                     row["utility"] = trainer.utility(agent)
                     row["agent_id"] = row.pop("id")
             env: Environment = model.environment
@@ -205,8 +203,7 @@ def sub_routine_calibrator(
     try:
         config = Config.from_dict(config_raw)
         calibrator: "Calibrator"
-        calibrator, scenario_cls, model_cls = get_scenario_manager(
-            config, modules)
+        calibrator, scenario_cls, model_cls = get_scenario_manager(config, modules)
     except BaseException:
         import traceback
 
@@ -237,8 +234,7 @@ def sub_routine_calibrator(
             env: Environment = model.environment
             env_data = env.to_dict(calibrator.watched_env_properties)
             env_data.update(
-                {prop: scenario.to_dict()[prop]
-                 for prop in calibrator.properties}
+                {prop: scenario.to_dict()[prop] for prop in calibrator.properties}
             )
             env_data["target_function_value"] = env_data[
                 "distance"
@@ -278,8 +274,7 @@ def sub_routine_simulator(
     try:
         config = Config.from_dict(config_raw)
         simulator: "Simulator"
-        simulator, scenario_cls, model_cls = get_scenario_manager(
-            config, modules)
+        simulator, scenario_cls, model_cls = get_scenario_manager(config, modules)
     except BaseException:
         import traceback
 
diff --git a/MelodieInfra/services/database.py b/MelodieInfra/services/database.py
index 823149f2..5d724551 100644
--- a/MelodieInfra/services/database.py
+++ b/MelodieInfra/services/database.py
@@ -16,6 +16,9 @@
 )
 
 
+import pandas as pd
+
+
 def get_table_names(conn_string: str) -> List[str]:
     """
 
@@ -65,7 +68,5 @@ def table_names(req: DatabaseBasicRequest):
 
     @staticmethod
     def execute_sql(conn_string, sql: str):
-        import pandas as pd
-
         engine = sqlalchemy.create_engine(conn_string)
         return pd.read_sql(sql, engine)
diff --git a/MelodieInfra/services/files/table_files/excel.py b/MelodieInfra/services/files/table_files/excel.py
index fa913a7f..43974896 100644
--- a/MelodieInfra/services/files/table_files/excel.py
+++ b/MelodieInfra/services/files/table_files/excel.py
@@ -8,6 +8,7 @@
 import tempfile
 from typing import Any, List, cast, TYPE_CHECKING
 
+import pandas as pd
 import openpyxl
 
 from MelodieInfra.models import (
@@ -36,18 +37,12 @@ def __init__(self, filename: str) -> None:
         self.filename = filename
 
     def get_sheet_names(self):
-        import pandas as pd
-
         return pd.ExcelFile(self.filename).sheet_names
 
     def read_sheet(self, sheet_name: str = None, **kwargs):
-        import pandas as pd
-
         return pd.read_excel(self.filename, sheet_name, **kwargs)
 
     def write_to_sheet(self, df: "pd.DataFrame", sheet_name: str, **kwargs):
-        import pandas as pd
-
         book = None
         sheet_exist = False
         if os.path.exists(self.filename):
@@ -75,7 +70,6 @@ def write_excel(req: ExcelWriteRequest) -> DataServiceStatus:
         :param req:
         :return: error message, None means success.
         """
-        import pandas as pd
 
         _, ext = os.path.splitext(req.path)
         ext = ext[1:]
diff --git a/MelodieInfra/table/pandas_compat.py b/MelodieInfra/table/pandas_compat.py
index b26f0c3f..9d8cebab 100644
--- a/MelodieInfra/table/pandas_compat.py
+++ b/MelodieInfra/table/pandas_compat.py
@@ -4,8 +4,8 @@
 from typing import Callable, List, Union, TYPE_CHECKING, Iterator
 from .table_base import TableBase
 
-if TYPE_CHECKING:
-    import pandas as pd
+import pandas as pd
+
 TABLE_TYPE = Union["pd.DataFrame", TableBase]
 
 
@@ -27,8 +27,6 @@ def filter(self, condition: Callable) -> "TableInterface":
         if isinstance(self.df, TableBase):
             return TableInterface(self.df.filter(condition))
         else:
-            import pandas as pd
-
             if not isinstance(self.df, pd.DataFrame):
                 raise TypeError(self.df)
             return TableInterface(self.df[self.df.apply(condition, axis=1)])
@@ -41,8 +39,6 @@ def iter_dicts(self) -> Iterator[dict]:
             for row in self.df.data:
                 yield row
         else:
-            import pandas as pd
-
             if not isinstance(self.df, pd.DataFrame):
                 raise TypeError(self.df)
             df_dict = self.df.to_dict(orient="records")
diff --git a/MelodieInfra/table/table_general.py b/MelodieInfra/table/table_general.py
index 2c661688..63e6dad1 100644
--- a/MelodieInfra/table/table_general.py
+++ b/MelodieInfra/table/table_general.py
@@ -91,8 +91,7 @@ def from_dicts(row_type: RowType, dicts: List[dict], copy=True):
             assert (
                 len(dicts) > 0
             ), "Initial data must have at least one row for Melodie to detect data type."
-            row_type = {k: py_types_to_sa_types[type(
-                v)] for k, v in dicts[0].items()}
+            row_type = {k: py_types_to_sa_types[type(v)] for k, v in dicts[0].items()}
         table = GeneralTable(row_type)
         if not copy:
             for dic in dicts:
diff --git a/MelodieInfra/table/table_objects.py b/MelodieInfra/table/table_objects.py
index 20dd1e2c..4a008e98 100644
--- a/MelodieInfra/table/table_objects.py
+++ b/MelodieInfra/table/table_objects.py
@@ -61,8 +61,7 @@ def get_annotations(cls) -> Dict[str, Union[Type[int], Type[str], Type[float]]]:
 
     @classmethod
     def get_aliases(cls):
-        attr_names = list(cls.__dict__.keys()) + \
-            list(cls.get_annotations().keys())
+        attr_names = list(cls.__dict__.keys()) + list(cls.get_annotations().keys())
         aliases = {}
         for attr_name in attr_names:
             if hasattr(cls, attr_name) and isinstance(
@@ -79,8 +78,7 @@ def get_datatypes(cls):
         """
         Get the datatype represented in database.
         """
-        attr_names = list(cls.__dict__.keys()) + \
-            list(cls.get_annotations().keys())
+        attr_names = list(cls.__dict__.keys()) + list(cls.get_annotations().keys())
         attr_names = [
             attr_name
             for attr_name in list(set(attr_names))
@@ -92,8 +90,7 @@ def get_datatypes(cls):
             #     attr_name in cls.get_annotations()
             # ), f'Attribute "{attr_name}" of class {cls.__name__} must be annotated!'
             if not hasattr(cls, attr_name):
-                dtype_ = py_types_to_sa_types[cls.get_annotations()[
-                    attr_name]]()
+                dtype_ = py_types_to_sa_types[cls.get_annotations()[attr_name]]()
                 dtype = Column(dtype_)
             else:
                 meta = getattr(cls, attr_name)
@@ -101,8 +98,7 @@ def get_datatypes(cls):
                 if meta.dtype is not None:
                     dtype = meta.dtype
                 else:
-                    dtype_ = py_types_to_sa_types[cls.get_annotations()[
-                        attr_name]]()
+                    dtype_ = py_types_to_sa_types[cls.get_annotations()[attr_name]]()
                     dtype = Column(dtype_)
             assert isinstance(dtype, Column)
             col_dtypes[attr_name] = dtype
@@ -137,7 +133,9 @@ class TR(TableRow):
 class Table(TableBase, Generic[TableRowGeneric]):
     data: List[TableRowGeneric]
 
-    def __init__(self, row_type: Type[TableRowGeneric], columns: Optional[List[str]] = None) -> None:
+    def __init__(
+        self, row_type: Type[TableRowGeneric], columns: Optional[List[str]] = None
+    ) -> None:
         super().__init__()
         self.row_cls: Type[TableRow] = row_type
         self._db_model_cls: Type = None
@@ -156,7 +154,8 @@ def __init__(self, row_type: Type[TableRowGeneric], columns: Optional[List[str]]
         if columns is not None:
             self._columns = columns
             assert set([row for row in self.row_types.keys()]) == set(
-                self._columns), f"columns_order {self._columns} should contain the same names as row_types: {self.row_types.keys()}"
+                self._columns
+            ), f"columns_order {self._columns} should contain the same names as row_types: {self.row_types.keys()}"
         else:
             self._columns = [row for row in self.row_types.keys()]
 
@@ -195,16 +194,16 @@ def from_file(file_name: str, row_types: Type[TableRowGeneric], encoding="utf-8"
         aliases = table.row_cls.get_aliases()
         for row_data in rows_iter:
             table_row_obj: TableRow = table.row_cls.from_dict(
-                table, {col: row_data[i]
-                        for i, col in enumerate(columns)}, aliases
+                table, {col: row_data[i] for i, col in enumerate(columns)}, aliases
             )
             table.data.append(table_row_obj)
         return table
 
     def to_file(self, file_name: str, encoding="utf-8"):
         is_new_file = True if not os.path.exists(file_name) else False
-        writer = TableWriter(file_name, text_encoding=encoding,
-                             append=not is_new_file).write()
+        writer = TableWriter(
+            file_name, text_encoding=encoding, append=not is_new_file
+        ).write()
         headers = self.columns
         if is_new_file:
             writer.send(headers)
@@ -214,8 +213,7 @@ def to_file(self, file_name: str, encoding="utf-8"):
 
     def to_database(self, engine, table_name: str):
         conn = DatabaseConnector(engine)
-        conn.write_table(table_name, self.row_types, [
-                         d.__dict__ for d in self.data])
+        conn.write_table(table_name, self.row_types, [d.__dict__ for d in self.data])
 
     def to_file_with_codegen(self, file_name: str, encoding="utf-8"):
         writer = TableWriter(file_name, text_encoding=encoding).write()
diff --git a/requirements-purepython.txt b/requirements-purepython.txt
deleted file mode 100644
index 2b0e9d27..00000000
--- a/requirements-purepython.txt
+++ /dev/null
@@ -1,16 +0,0 @@
-flask
-flask-cors
-flask_sock
-openpyxl
-xlrd==1.2.0
-networkx
-chardet~=4.0.0
-sqlalchemy~=1.4
-sqlalchemy_utils
-astunparse
-pprintast
-pytest
-termcolor
-setuptools
-cloudpickle~=2.0
-rpyc
\ No newline at end of file
diff --git a/run_before_commit.py b/run_before_commit.py
index decfefee..9434ef72 100644
--- a/run_before_commit.py
+++ b/run_before_commit.py
@@ -4,7 +4,9 @@
 import Melodie
 
 
-os.system("""autoflake -r --in-place --remove-unused-variables \
-		--remove-all-unused-imports --exclude=__init__.py SkyStaticAnalysis demos tests""")
+os.system(
+    """autoflake -r --in-place --remove-unused-variables \
+		--remove-all-unused-imports --exclude=__init__.py SkyStaticAnalysis demos tests"""
+)
 os.system("isort -rc SkyStaticAnalysis demos tests")
 os.system(f"{sys.executable} -m black .")
diff --git a/test_package.sh b/test_package.sh
deleted file mode 100644
index 429514c4..00000000
--- a/test_package.sh
+++ /dev/null
@@ -1,10 +0,0 @@
-python3.8 setup.py bdist_wheel
-conda create -n testmelodie python==3.8.5 -y
-cd dist
-source ~/.bash_profile
-conda activate testmelodie
-pip install Melodie-0.1.0-cp38-cp38-macosx_10_9_x86_64.whl
-pip install pytest
-cd ../tests
-pytest
-#conda remove -n testmelodie --all -y
\ No newline at end of file
diff --git a/tests/infra/config.py b/tests/infra/config.py
index d2177e62..e86ec5b4 100644
--- a/tests/infra/config.py
+++ b/tests/infra/config.py
@@ -34,7 +34,9 @@
     "temp_db_trainer",
     os.path.dirname(__file__),
     input_folder=os.path.join(os.path.dirname(__file__), "resources", "excels"),
-    output_folder=os.path.join(os.path.dirname(__file__), "resources", "output", "trainer"),
+    output_folder=os.path.join(
+        os.path.dirname(__file__), "resources", "output", "trainer"
+    ),
 )
 
 cfg_dataloader_with_cache = Config(
diff --git a/tests/infra/demo.py b/tests/infra/demo.py
index 9a927e3f..2b9858d0 100644
--- a/tests/infra/demo.py
+++ b/tests/infra/demo.py
@@ -9,8 +9,8 @@
 from Melodie import DataCollector
 
 if TYPE_CHECKING:
-    from source.scenario import AMETSScenario
     from source.environment import AMETSEnvironment
+    from source.scenario import AMETSScenario
 
 
 class AMETSDataCollector(DataCollector):
diff --git a/tests/infra/simulator_demo.py b/tests/infra/simulator_demo.py
index 0d0e2c15..3bdf8bd0 100644
--- a/tests/infra/simulator_demo.py
+++ b/tests/infra/simulator_demo.py
@@ -9,13 +9,13 @@
 
 from Melodie import (
     Agent,
+    Config,
     DataCollector,
+    DataLoader,
     Environment,
+    Model,
     Scenario,
     Simulator,
-    Model,
-    DataLoader,
-    Config,
 )
 
 cfg_for_temp = Config(
diff --git a/tests/infra/test_agent_manager.py b/tests/infra/test_agent_manager.py
index b5ab7382..cd611bdd 100644
--- a/tests/infra/test_agent_manager.py
+++ b/tests/infra/test_agent_manager.py
@@ -1,9 +1,10 @@
 import random
+
 import pandas as pd
-from Melodie import Agent, AgentList, GridAgent, set_seed, assert_exc_type_occurs
-from MelodieInfra import GeneralTable
 from sqlalchemy import Integer
 
+from Melodie import Agent, AgentList, GridAgent, set_seed
+from MelodieInfra import GeneralTable
 from tests.infra.config import model
 
 
@@ -123,7 +124,6 @@ def test_repr_agent_manager():
 
 
 def test_agent_list_iteration():
-    n = 20
     al = AgentList(TestAgent, model)
     times = 0
     for _ in al:
diff --git a/tests/infra/test_ast.py b/tests/infra/test_ast.py
index e5208b0c..d7c8b2b8 100644
--- a/tests/infra/test_ast.py
+++ b/tests/infra/test_ast.py
@@ -3,18 +3,7 @@
 # @Author: Zhanyi Hou
 # @Email: 1295752786@qq.com
 # @File: test_ast.py
-import ast
-import os.path
-import sys
 
-import astunparse
-import pprintast
-from MelodieInfra.lowcode.astmani.ast_manipulator import FuncDefManipulator
-
-from MelodieInfra.lowcode.astmani.model_static_inspector import (
-    get_model_ast,
-    walk_model_ast,
-)
 
 #
 # def test_ast_manipulator():
diff --git a/tests/infra/test_chart_manager.py b/tests/infra/test_chart_manager.py
index 9353f990..b6400ecc 100644
--- a/tests/infra/test_chart_manager.py
+++ b/tests/infra/test_chart_manager.py
@@ -10,4 +10,3 @@ def test_chart_manager():
         cm.to_json(), indent=4
     )  # It is fine if json.dumps function does not raise any exception.
     print(ret)
-    pass
diff --git a/tests/infra/test_data_collector.py b/tests/infra/test_data_collector.py
index df73f0db..d6fb4291 100644
--- a/tests/infra/test_data_collector.py
+++ b/tests/infra/test_data_collector.py
@@ -9,31 +9,28 @@
 
 from Melodie import (
     Agent,
+    Config,
     DataCollector,
+    DataLoader,
     Environment,
+    Model,
     Scenario,
     Simulator,
-    Model,
-    DataLoader,
-    Config
 )
+
 cfg_for_temp = Config(
     "temp_db_created",
     os.path.dirname(__file__),
-    input_folder=os.path.join(os.path.dirname(
-        __file__), "resources", "excels"),
-    output_folder=os.path.join(os.path.dirname(
-        __file__), "resources", "output"),
-    data_output_type="sqlite"
+    input_folder=os.path.join(os.path.dirname(__file__), "resources", "excels"),
+    output_folder=os.path.join(os.path.dirname(__file__), "resources", "output"),
+    data_output_type="sqlite",
 )
 cfg_for_calibrator = Config(
     "temp_db_calibrator",
     os.path.dirname(__file__),
-    input_folder=os.path.join(os.path.dirname(
-        __file__), "resources", "excels"),
-    output_folder=os.path.join(os.path.dirname(
-        __file__), "resources", "output"),
-    data_output_type="sqlite"
+    input_folder=os.path.join(os.path.dirname(__file__), "resources", "excels"),
+    output_folder=os.path.join(os.path.dirname(__file__), "resources", "output"),
+    data_output_type="sqlite",
 )
 AGENT_NUM_1 = 10
 AGENT_NUM_2 = 20
@@ -72,11 +69,9 @@ def setup(self):
         # params_df_3 = pd.DataFrame(
         #     [{"a": 1.0, "b": 1, "productivity": 0} for i in range(20)]
         # )
-        self.agent_list1 = self.create_agent_container(
-            TestAgent, 10, params_df_1)
+        self.agent_list1 = self.create_agent_container(TestAgent, 10, params_df_1)
         self.agent_list1.setup_agents(10, params_df_1)
-        self.agent_list2 = self.create_agent_container(
-            TestAgent, 20, params_df_2)
+        self.agent_list2 = self.create_agent_container(TestAgent, 20, params_df_2)
         self.agent_list2.setup_agents(20, params_df_2)
         self.environment = self.create_environment(TestEnv)
         self.data_collector = self.create_data_collector(DataCollector1)
@@ -131,7 +126,7 @@ def test_model_run():
 
 
 def test_status():
-    from tests.procedures.calibrator import CovidCalibrator, CovidScenario, CovidModel
+    from tests.procedures.calibrator import CovidCalibrator, CovidModel, CovidScenario
 
     calibrator = CovidCalibrator(
         cfg_for_calibrator, CovidScenario, CovidModel, DFLoader
diff --git a/tests/infra/test_data_collector_csv.py b/tests/infra/test_data_collector_csv.py
index 33004b90..4a57271e 100644
--- a/tests/infra/test_data_collector_csv.py
+++ b/tests/infra/test_data_collector_csv.py
@@ -9,22 +9,20 @@
 
 from Melodie import (
     Agent,
+    Config,
     DataCollector,
+    DataLoader,
     Environment,
+    Model,
     Scenario,
     Simulator,
-    Model,
-    DataLoader,
-    Config
 )
 
 cfg_for_temp = Config(
     "temp_db_created",
     os.path.dirname(__file__),
-    input_folder=os.path.join(os.path.dirname(
-        __file__), "resources", "excels"),
-    output_folder=os.path.join(os.path.dirname(
-        __file__), "resources", "output"),
+    input_folder=os.path.join(os.path.dirname(__file__), "resources", "excels"),
+    output_folder=os.path.join(os.path.dirname(__file__), "resources", "output"),
 )
 AGENT_NUM_1 = 10
 AGENT_NUM_2 = 20
@@ -63,15 +61,14 @@ def setup(self):
         # params_df_3 = pd.DataFrame(
         #     [{"a": 1.0, "b": 1, "productivity": 0} for i in range(20)]
         # )
-        self.agent_list1 = self.create_agent_container(
-            TestAgent, 10, params_df_1)
+        self.agent_list1 = self.create_agent_container(TestAgent, 10, params_df_1)
         self.agent_list1.setup_agents(10, params_df_1)
-        self.agent_list2 = self.create_agent_container(
-            TestAgent, 20, params_df_2)
+        self.agent_list2 = self.create_agent_container(TestAgent, 20, params_df_2)
         self.agent_list2.setup_agents(20, params_df_2)
         self.environment = self.create_environment(TestEnv)
         self.data_collector: DataCollector1[DCTestModel] = self.create_data_collector(
-            DataCollector1)
+            DataCollector1
+        )
 
 
 class Simulator4Test(Simulator):
@@ -102,14 +99,26 @@ def setup(self):
         self.add_agent_property("agent_list2", "b")
 
         def get_data(model: DCTestModel):
-            return {"agent1_num": len(model.agent_list1), "agent2_num": len(model.agent_list2)}
+            return {
+                "agent1_num": len(model.agent_list1),
+                "agent2_num": len(model.agent_list2),
+            }
 
         def get_data2(model: DCTestModel):
-            return [{"agent1_num": len(model.agent_list1), "agent2_num": len(model.agent_list2)} for i in range(2)]
-        self.add_custom_collector("my_collector", get_data, [
-                                  'agent1_num', "agent2_num"])
-        self.add_custom_collector("my_collector2", get_data2, [
-                                  'agent1_num', "agent2_num"])
+            return [
+                {
+                    "agent1_num": len(model.agent_list1),
+                    "agent2_num": len(model.agent_list2),
+                }
+                for i in range(2)
+            ]
+
+        self.add_custom_collector(
+            "my_collector", get_data, ["agent1_num", "agent2_num"]
+        )
+        self.add_custom_collector(
+            "my_collector2", get_data2, ["agent1_num", "agent2_num"]
+        )
 
 
 def test_model_run():
@@ -130,6 +139,6 @@ def test_model_run():
     assert len(dc.agent_properties_dict["agent_list1"]) == AGENT_NUM_1 * 2
     assert len(dc.agent_properties_dict["agent_list2"]) == AGENT_NUM_2 * 2
 
-    assert len(dc._custom_collected_data['my_collector'].data) == 2
-    assert len(dc._custom_collected_data['my_collector2'].data) == 4
+    assert len(dc._custom_collected_data["my_collector"].data) == 2
+    assert len(dc._custom_collected_data["my_collector2"].data) == 4
     dc.save()
diff --git a/tests/infra/test_data_loader.py b/tests/infra/test_data_loader.py
index 47ee3a89..9b68610e 100644
--- a/tests/infra/test_data_loader.py
+++ b/tests/infra/test_data_loader.py
@@ -1,8 +1,10 @@
-from Melodie import DataLoader, Scenario, DataFrameInfo, Simulator
-from tests.infra.config import cfg_dataloader_with_cache, cfg_dataloader_without_cache
 from collections import namedtuple
+
 from sqlalchemy import BigInteger, Float
 
+from Melodie import DataFrameInfo, DataLoader, Scenario
+from tests.infra.config import cfg_dataloader_with_cache
+
 
 def test_data_loader():
     sim = namedtuple("PseudoSimulator", ["data_loader"])
diff --git a/tests/infra/test_db.py b/tests/infra/test_db.py
index 27f7cc84..f47ae28d 100644
--- a/tests/infra/test_db.py
+++ b/tests/infra/test_db.py
@@ -2,11 +2,11 @@
 import os
 
 import pandas as pd
-from pandas.api.types import is_integer_dtype, is_float_dtype
+from pandas.api.types import is_float_dtype, is_integer_dtype
 from sqlalchemy.types import Integer
 
-from MelodieInfra import create_db_conn, DBConn, MelodieException
 from Melodie import Scenario
+from MelodieInfra import DBConn, MelodieException, create_db_conn
 from tests.infra.config import cfg
 
 cfg = cfg
diff --git a/tests/infra/test_errors.py b/tests/infra/test_errors.py
index 4010a12a..3a09c7ec 100644
--- a/tests/infra/test_errors.py
+++ b/tests/infra/test_errors.py
@@ -1,5 +1,6 @@
-from Melodie import DataFrameInfo
 from sqlalchemy import Integer
+
+from Melodie import DataFrameInfo
 from MelodieInfra.exceptions.exceptions import assert_exc_occurs
 
 df_info = DataFrameInfo("df_name", {"a": Integer(), "b": Integer(), "c": Integer()})
diff --git a/tests/infra/test_grid.py b/tests/infra/test_grid.py
index 74293615..4463cd7f 100644
--- a/tests/infra/test_grid.py
+++ b/tests/infra/test_grid.py
@@ -4,7 +4,7 @@
 
 import numpy as np
 
-from Melodie import Grid, Spot, GridAgent, Agent, AgentList
+from Melodie import Agent, AgentList, Grid, GridAgent, Spot
 from tests.infra.config import model
 
 logger = logging.getLogger(__name__)
diff --git a/tests/infra/test_model.py b/tests/infra/test_model.py
index b03f29fe..ec0f8acf 100644
--- a/tests/infra/test_model.py
+++ b/tests/infra/test_model.py
@@ -1,8 +1,8 @@
 # -*- coding:utf-8 -*-
 import pandas as pd
 
-from MelodieInfra import MelodieException
 from Melodie import Agent, Model, Scenario
+from MelodieInfra import MelodieException
 from tests.infra.config import cfg
 
 
diff --git a/tests/infra/test_models.py b/tests/infra/test_models.py
index 0d73d2cb..37b203eb 100644
--- a/tests/infra/test_models.py
+++ b/tests/infra/test_models.py
@@ -5,9 +5,9 @@
 # @File: test_file_io.py
 
 from MelodieInfra import (
+    ExcelReadSheetResponse,
     ExcelWriteRequest,
     assert_exc_type_occurs,
-    ExcelReadSheetResponse,
 )
 
 
diff --git a/tests/infra/test_network.py b/tests/infra/test_network.py
index 5ab96f66..2f860db4 100644
--- a/tests/infra/test_network.py
+++ b/tests/infra/test_network.py
@@ -1,4 +1,4 @@
-from Melodie import AgentList, Model, Scenario, Edge, Network
+from Melodie import AgentList, Edge, Model, Network, Scenario
 from Melodie.network import NetworkAgent
 from tests.infra.config import cfg
 
diff --git a/tests/infra/test_params.py b/tests/infra/test_params.py
index 70119c22..0891bd49 100644
--- a/tests/infra/test_params.py
+++ b/tests/infra/test_params.py
@@ -8,7 +8,7 @@
 import pandas as pd
 
 from Melodie import Scenario
-from MelodieInfra.lowcode.params import IntParam, ArrayParam, ParamsManager, FloatParam
+from MelodieInfra.lowcode.params import ArrayParam, FloatParam, IntParam, ParamsManager
 
 
 class TestScenario(Scenario):
diff --git a/tests/infra/test_tools.py b/tests/infra/test_tools.py
index 9cb2e181..31461f47 100644
--- a/tests/infra/test_tools.py
+++ b/tests/infra/test_tools.py
@@ -1,4 +1,4 @@
-from Melodie import run_profile, get_system_info
+from Melodie import get_system_info, run_profile
 
 
 def test_profiler():
diff --git a/tests/infra/test_typing.py b/tests/infra/test_typing.py
index d376a1b8..a76dbe38 100644
--- a/tests/infra/test_typing.py
+++ b/tests/infra/test_typing.py
@@ -1,17 +1,22 @@
-from typing import Callable, Dict, Any
+from typing import Any, Callable, Dict
+
 
 class Model:
     pass
 
+
 class DCTestModel(Model):
     pass
 
+
 def add_custom_collector(row_collector: Callable[[Model], Dict[str, Any]]) -> None:
     # 函数实现
     pass
 
+
 def my_collector(model: DCTestModel) -> Dict[str, int]:
     # 自定义收集器实现
     pass
 
+
 add_custom_collector(my_collector)
diff --git a/tests/procedures/calibrator.py b/tests/procedures/calibrator.py
index e1a16acb..4bcf2340 100644
--- a/tests/procedures/calibrator.py
+++ b/tests/procedures/calibrator.py
@@ -1,15 +1,15 @@
 import random
-from typing import List, Union
+from typing import List
 
 from Melodie import (
+    AgentList,
     Calibrator,
+    DataCollector,
     Environment,
-    Model,
-    AgentList,
+    Grid,
     GridAgent,
+    Model,
     Scenario,
-    Grid,
-    DataCollector,
 )
 
 
diff --git a/tests/procedures/new_trainer_algorithm.py b/tests/procedures/new_trainer_algorithm.py
index c222725a..7bb34809 100644
--- a/tests/procedures/new_trainer_algorithm.py
+++ b/tests/procedures/new_trainer_algorithm.py
@@ -1,25 +1,17 @@
 # -*- coding:utf-8 -*-
-from typing import List
 # import pytest
 import os
-from Melodie import (
-    Agent,
-    Model,
-    Scenario,
-    Trainer,
-    DataLoader,
-    Environment,
-    Config
-)
-from Melodie.trainer import GATrainerAlgorithm, GATrainerAlgorithmMeta, GATrainerParams
+from typing import List
+
+from Melodie import Agent, Config, DataLoader, Environment, Model, Scenario, Trainer
 
 cfg_for_trainer = Config(
     "temp_db_trainer",
     os.path.dirname(__file__),
-    input_folder=os.path.join(os.path.dirname(
-        __file__), "resources", "excels"),
-    output_folder=os.path.join(os.path.dirname(
-        __file__), "resources", "output", "trainer"),
+    input_folder=os.path.join(os.path.dirname(__file__), "resources", "excels"),
+    output_folder=os.path.join(
+        os.path.dirname(__file__), "resources", "output", "trainer"
+    ),
 )
 
 
@@ -44,8 +36,7 @@ def generate_scenarios(self, manager_type: str) -> List["Scenario"]:
 class MockTrainer(Trainer):
     def setup(self):
         self.add_agent_training_property(
-            "agent_list", ["param1", "param2"], lambda s: [
-                i for i in range(10)]
+            "agent_list", ["param1", "param2"], lambda s: [i for i in range(10)]
         )
 
     def utility(self, agent: Agent) -> float:
diff --git a/tests/procedures/resources/output/parallel_simulation/Result_AgentList1.csv b/tests/procedures/resources/output/parallel_simulation/Result_AgentList1.csv
index c86c91f2..35fe4b32 100644
--- a/tests/procedures/resources/output/parallel_simulation/Result_AgentList1.csv
+++ b/tests/procedures/resources/output/parallel_simulation/Result_AgentList1.csv
@@ -999,2006 +999,6 @@ id_scenario,id_run,period,id,a
 0,0,99,7,1
 0,0,99,8,1
 0,0,99,9,1
-0,1,0,0,1
-0,1,0,1,1
-0,1,0,2,1
-0,1,0,3,1
-0,1,0,4,1
-0,1,0,5,1
-0,1,0,6,1
-0,1,0,7,1
-0,1,0,8,1
-0,1,0,9,1
-0,1,1,0,1
-0,1,1,1,1
-0,1,1,2,1
-0,1,1,3,1
-0,1,1,4,1
-0,1,1,5,1
-0,1,1,6,1
-0,1,1,7,1
-0,1,1,8,1
-0,1,1,9,1
-0,1,2,0,1
-0,1,2,1,1
-0,1,2,2,1
-0,1,2,3,1
-0,1,2,4,1
-0,1,2,5,1
-0,1,2,6,1
-0,1,2,7,1
-0,1,2,8,1
-0,1,2,9,1
-0,1,3,0,1
-0,1,3,1,1
-0,1,3,2,1
-0,1,3,3,1
-0,1,3,4,1
-0,1,3,5,1
-0,1,3,6,1
-0,1,3,7,1
-0,1,3,8,1
-0,1,3,9,1
-0,1,4,0,1
-0,1,4,1,1
-0,1,4,2,1
-0,1,4,3,1
-0,1,4,4,1
-0,1,4,5,1
-0,1,4,6,1
-0,1,4,7,1
-0,1,4,8,1
-0,1,4,9,1
-0,1,5,0,1
-0,1,5,1,1
-0,1,5,2,1
-0,1,5,3,1
-0,1,5,4,1
-0,1,5,5,1
-0,1,5,6,1
-0,1,5,7,1
-0,1,5,8,1
-0,1,5,9,1
-0,1,6,0,1
-0,1,6,1,1
-0,1,6,2,1
-0,1,6,3,1
-0,1,6,4,1
-0,1,6,5,1
-0,1,6,6,1
-0,1,6,7,1
-0,1,6,8,1
-0,1,6,9,1
-0,1,7,0,1
-0,1,7,1,1
-0,1,7,2,1
-0,1,7,3,1
-0,1,7,4,1
-0,1,7,5,1
-0,1,7,6,1
-0,1,7,7,1
-0,1,7,8,1
-0,1,7,9,1
-0,1,8,0,1
-0,1,8,1,1
-0,1,8,2,1
-0,1,8,3,1
-0,1,8,4,1
-0,1,8,5,1
-0,1,8,6,1
-0,1,8,7,1
-0,1,8,8,1
-0,1,8,9,1
-0,1,9,0,1
-0,1,9,1,1
-0,1,9,2,1
-0,1,9,3,1
-0,1,9,4,1
-0,1,9,5,1
-0,1,9,6,1
-0,1,9,7,1
-0,1,9,8,1
-0,1,9,9,1
-0,1,10,0,1
-0,1,10,1,1
-0,1,10,2,1
-0,1,10,3,1
-0,1,10,4,1
-0,1,10,5,1
-0,1,10,6,1
-0,1,10,7,1
-0,1,10,8,1
-0,1,10,9,1
-0,1,11,0,1
-0,1,11,1,1
-0,1,11,2,1
-0,1,11,3,1
-0,1,11,4,1
-0,1,11,5,1
-0,1,11,6,1
-0,1,11,7,1
-0,1,11,8,1
-0,1,11,9,1
-0,1,12,0,1
-0,1,12,1,1
-0,1,12,2,1
-0,1,12,3,1
-0,1,12,4,1
-0,1,12,5,1
-0,1,12,6,1
-0,1,12,7,1
-0,1,12,8,1
-0,1,12,9,1
-0,1,13,0,1
-0,1,13,1,1
-0,1,13,2,1
-0,1,13,3,1
-0,1,13,4,1
-0,1,13,5,1
-0,1,13,6,1
-0,1,13,7,1
-0,1,13,8,1
-0,1,13,9,1
-0,1,14,0,1
-0,1,14,1,1
-0,1,14,2,1
-0,1,14,3,1
-0,1,14,4,1
-0,1,14,5,1
-0,1,14,6,1
-0,1,14,7,1
-0,1,14,8,1
-0,1,14,9,1
-0,1,15,0,1
-0,1,15,1,1
-0,1,15,2,1
-0,1,15,3,1
-0,1,15,4,1
-0,1,15,5,1
-0,1,15,6,1
-0,1,15,7,1
-0,1,15,8,1
-0,1,15,9,1
-0,1,16,0,1
-0,1,16,1,1
-0,1,16,2,1
-0,1,16,3,1
-0,1,16,4,1
-0,1,16,5,1
-0,1,16,6,1
-0,1,16,7,1
-0,1,16,8,1
-0,1,16,9,1
-0,1,17,0,1
-0,1,17,1,1
-0,1,17,2,1
-0,1,17,3,1
-0,1,17,4,1
-0,1,17,5,1
-0,1,17,6,1
-0,1,17,7,1
-0,1,17,8,1
-0,1,17,9,1
-0,1,18,0,1
-0,1,18,1,1
-0,1,18,2,1
-0,1,18,3,1
-0,1,18,4,1
-0,1,18,5,1
-0,1,18,6,1
-0,1,18,7,1
-0,1,18,8,1
-0,1,18,9,1
-0,1,19,0,1
-0,1,19,1,1
-0,1,19,2,1
-0,1,19,3,1
-0,1,19,4,1
-0,1,19,5,1
-0,1,19,6,1
-0,1,19,7,1
-0,1,19,8,1
-0,1,19,9,1
-0,1,20,0,1
-0,1,20,1,1
-0,1,20,2,1
-0,1,20,3,1
-0,1,20,4,1
-0,1,20,5,1
-0,1,20,6,1
-0,1,20,7,1
-0,1,20,8,1
-0,1,20,9,1
-0,1,21,0,1
-0,1,21,1,1
-0,1,21,2,1
-0,1,21,3,1
-0,1,21,4,1
-0,1,21,5,1
-0,1,21,6,1
-0,1,21,7,1
-0,1,21,8,1
-0,1,21,9,1
-0,1,22,0,1
-0,1,22,1,1
-0,1,22,2,1
-0,1,22,3,1
-0,1,22,4,1
-0,1,22,5,1
-0,1,22,6,1
-0,1,22,7,1
-0,1,22,8,1
-0,1,22,9,1
-0,1,23,0,1
-0,1,23,1,1
-0,1,23,2,1
-0,1,23,3,1
-0,1,23,4,1
-0,1,23,5,1
-0,1,23,6,1
-0,1,23,7,1
-0,1,23,8,1
-0,1,23,9,1
-0,1,24,0,1
-0,1,24,1,1
-0,1,24,2,1
-0,1,24,3,1
-0,1,24,4,1
-0,1,24,5,1
-0,1,24,6,1
-0,1,24,7,1
-0,1,24,8,1
-0,1,24,9,1
-0,1,25,0,1
-0,1,25,1,1
-0,1,25,2,1
-0,1,25,3,1
-0,1,25,4,1
-0,1,25,5,1
-0,1,25,6,1
-0,1,25,7,1
-0,1,25,8,1
-0,1,25,9,1
-0,1,26,0,1
-0,1,26,1,1
-0,1,26,2,1
-0,1,26,3,1
-0,1,26,4,1
-0,1,26,5,1
-0,1,26,6,1
-0,1,26,7,1
-0,1,26,8,1
-0,1,26,9,1
-0,1,27,0,1
-0,1,27,1,1
-0,1,27,2,1
-0,1,27,3,1
-0,1,27,4,1
-0,1,27,5,1
-0,1,27,6,1
-0,1,27,7,1
-0,1,27,8,1
-0,1,27,9,1
-0,1,28,0,1
-0,1,28,1,1
-0,1,28,2,1
-0,1,28,3,1
-0,1,28,4,1
-0,1,28,5,1
-0,1,28,6,1
-0,1,28,7,1
-0,1,28,8,1
-0,1,28,9,1
-0,1,29,0,1
-0,1,29,1,1
-0,1,29,2,1
-0,1,29,3,1
-0,1,29,4,1
-0,1,29,5,1
-0,1,29,6,1
-0,1,29,7,1
-0,1,29,8,1
-0,1,29,9,1
-0,1,30,0,1
-0,1,30,1,1
-0,1,30,2,1
-0,1,30,3,1
-0,1,30,4,1
-0,1,30,5,1
-0,1,30,6,1
-0,1,30,7,1
-0,1,30,8,1
-0,1,30,9,1
-0,1,31,0,1
-0,1,31,1,1
-0,1,31,2,1
-0,1,31,3,1
-0,1,31,4,1
-0,1,31,5,1
-0,1,31,6,1
-0,1,31,7,1
-0,1,31,8,1
-0,1,31,9,1
-0,1,32,0,1
-0,1,32,1,1
-0,1,32,2,1
-0,1,32,3,1
-0,1,32,4,1
-0,1,32,5,1
-0,1,32,6,1
-0,1,32,7,1
-0,1,32,8,1
-0,1,32,9,1
-0,1,33,0,1
-0,1,33,1,1
-0,1,33,2,1
-0,1,33,3,1
-0,1,33,4,1
-0,1,33,5,1
-0,1,33,6,1
-0,1,33,7,1
-0,1,33,8,1
-0,1,33,9,1
-0,1,34,0,1
-0,1,34,1,1
-0,1,34,2,1
-0,1,34,3,1
-0,1,34,4,1
-0,1,34,5,1
-0,1,34,6,1
-0,1,34,7,1
-0,1,34,8,1
-0,1,34,9,1
-0,1,35,0,1
-0,1,35,1,1
-0,1,35,2,1
-0,1,35,3,1
-0,1,35,4,1
-0,1,35,5,1
-0,1,35,6,1
-0,1,35,7,1
-0,1,35,8,1
-0,1,35,9,1
-0,1,36,0,1
-0,1,36,1,1
-0,1,36,2,1
-0,1,36,3,1
-0,1,36,4,1
-0,1,36,5,1
-0,1,36,6,1
-0,1,36,7,1
-0,1,36,8,1
-0,1,36,9,1
-0,1,37,0,1
-0,1,37,1,1
-0,1,37,2,1
-0,1,37,3,1
-0,1,37,4,1
-0,1,37,5,1
-0,1,37,6,1
-0,1,37,7,1
-0,1,37,8,1
-0,1,37,9,1
-0,1,38,0,1
-0,1,38,1,1
-0,1,38,2,1
-0,1,38,3,1
-0,1,38,4,1
-0,1,38,5,1
-0,1,38,6,1
-0,1,38,7,1
-0,1,38,8,1
-0,1,38,9,1
-0,1,39,0,1
-0,1,39,1,1
-0,1,39,2,1
-0,1,39,3,1
-0,1,39,4,1
-0,1,39,5,1
-0,1,39,6,1
-0,1,39,7,1
-0,1,39,8,1
-0,1,39,9,1
-0,1,40,0,1
-0,1,40,1,1
-0,1,40,2,1
-0,1,40,3,1
-0,1,40,4,1
-0,1,40,5,1
-0,1,40,6,1
-0,1,40,7,1
-0,1,40,8,1
-0,1,40,9,1
-0,1,41,0,1
-0,1,41,1,1
-0,1,41,2,1
-0,1,41,3,1
-0,1,41,4,1
-0,1,41,5,1
-0,1,41,6,1
-0,1,41,7,1
-0,1,41,8,1
-0,1,41,9,1
-0,1,42,0,1
-0,1,42,1,1
-0,1,42,2,1
-0,1,42,3,1
-0,1,42,4,1
-0,1,42,5,1
-0,1,42,6,1
-0,1,42,7,1
-0,1,42,8,1
-0,1,42,9,1
-0,1,43,0,1
-0,1,43,1,1
-0,1,43,2,1
-0,1,43,3,1
-0,1,43,4,1
-0,1,43,5,1
-0,1,43,6,1
-0,1,43,7,1
-0,1,43,8,1
-0,1,43,9,1
-0,1,44,0,1
-0,1,44,1,1
-0,1,44,2,1
-0,1,44,3,1
-0,1,44,4,1
-0,1,44,5,1
-0,1,44,6,1
-0,1,44,7,1
-0,1,44,8,1
-0,1,44,9,1
-0,1,45,0,1
-0,1,45,1,1
-0,1,45,2,1
-0,1,45,3,1
-0,1,45,4,1
-0,1,45,5,1
-0,1,45,6,1
-0,1,45,7,1
-0,1,45,8,1
-0,1,45,9,1
-0,1,46,0,1
-0,1,46,1,1
-0,1,46,2,1
-0,1,46,3,1
-0,1,46,4,1
-0,1,46,5,1
-0,1,46,6,1
-0,1,46,7,1
-0,1,46,8,1
-0,1,46,9,1
-0,1,47,0,1
-0,1,47,1,1
-0,1,47,2,1
-0,1,47,3,1
-0,1,47,4,1
-0,1,47,5,1
-0,1,47,6,1
-0,1,47,7,1
-0,1,47,8,1
-0,1,47,9,1
-0,1,48,0,1
-0,1,48,1,1
-0,1,48,2,1
-0,1,48,3,1
-0,1,48,4,1
-0,1,48,5,1
-0,1,48,6,1
-0,1,48,7,1
-0,1,48,8,1
-0,1,48,9,1
-0,1,49,0,1
-0,1,49,1,1
-0,1,49,2,1
-0,1,49,3,1
-0,1,49,4,1
-0,1,49,5,1
-0,1,49,6,1
-0,1,49,7,1
-0,1,49,8,1
-0,1,49,9,1
-0,1,50,0,1
-0,1,50,1,1
-0,1,50,2,1
-0,1,50,3,1
-0,1,50,4,1
-0,1,50,5,1
-0,1,50,6,1
-0,1,50,7,1
-0,1,50,8,1
-0,1,50,9,1
-0,1,51,0,1
-0,1,51,1,1
-0,1,51,2,1
-0,1,51,3,1
-0,1,51,4,1
-0,1,51,5,1
-0,1,51,6,1
-0,1,51,7,1
-0,1,51,8,1
-0,1,51,9,1
-0,1,52,0,1
-0,1,52,1,1
-0,1,52,2,1
-0,1,52,3,1
-0,1,52,4,1
-0,1,52,5,1
-0,1,52,6,1
-0,1,52,7,1
-0,1,52,8,1
-0,1,52,9,1
-0,1,53,0,1
-0,1,53,1,1
-0,1,53,2,1
-0,1,53,3,1
-0,1,53,4,1
-0,1,53,5,1
-0,1,53,6,1
-0,1,53,7,1
-0,1,53,8,1
-0,1,53,9,1
-0,1,54,0,1
-0,1,54,1,1
-0,1,54,2,1
-0,1,54,3,1
-0,1,54,4,1
-0,1,54,5,1
-0,1,54,6,1
-0,1,54,7,1
-0,1,54,8,1
-0,1,54,9,1
-0,1,55,0,1
-0,1,55,1,1
-0,1,55,2,1
-0,1,55,3,1
-0,1,55,4,1
-0,1,55,5,1
-0,1,55,6,1
-0,1,55,7,1
-0,1,55,8,1
-0,1,55,9,1
-0,1,56,0,1
-0,1,56,1,1
-0,1,56,2,1
-0,1,56,3,1
-0,1,56,4,1
-0,1,56,5,1
-0,1,56,6,1
-0,1,56,7,1
-0,1,56,8,1
-0,1,56,9,1
-0,1,57,0,1
-0,1,57,1,1
-0,1,57,2,1
-0,1,57,3,1
-0,1,57,4,1
-0,1,57,5,1
-0,1,57,6,1
-0,1,57,7,1
-0,1,57,8,1
-0,1,57,9,1
-0,1,58,0,1
-0,1,58,1,1
-0,1,58,2,1
-0,1,58,3,1
-0,1,58,4,1
-0,1,58,5,1
-0,1,58,6,1
-0,1,58,7,1
-0,1,58,8,1
-0,1,58,9,1
-0,1,59,0,1
-0,1,59,1,1
-0,1,59,2,1
-0,1,59,3,1
-0,1,59,4,1
-0,1,59,5,1
-0,1,59,6,1
-0,1,59,7,1
-0,1,59,8,1
-0,1,59,9,1
-0,1,60,0,1
-0,1,60,1,1
-0,1,60,2,1
-0,1,60,3,1
-0,1,60,4,1
-0,1,60,5,1
-0,1,60,6,1
-0,1,60,7,1
-0,1,60,8,1
-0,1,60,9,1
-0,1,61,0,1
-0,1,61,1,1
-0,1,61,2,1
-0,1,61,3,1
-0,1,61,4,1
-0,1,61,5,1
-0,1,61,6,1
-0,1,61,7,1
-0,1,61,8,1
-0,1,61,9,1
-0,1,62,0,1
-0,1,62,1,1
-0,1,62,2,1
-0,1,62,3,1
-0,1,62,4,1
-0,1,62,5,1
-0,1,62,6,1
-0,1,62,7,1
-0,1,62,8,1
-0,1,62,9,1
-0,1,63,0,1
-0,1,63,1,1
-0,1,63,2,1
-0,1,63,3,1
-0,1,63,4,1
-0,1,63,5,1
-0,1,63,6,1
-0,1,63,7,1
-0,1,63,8,1
-0,1,63,9,1
-0,1,64,0,1
-0,1,64,1,1
-0,1,64,2,1
-0,1,64,3,1
-0,1,64,4,1
-0,1,64,5,1
-0,1,64,6,1
-0,1,64,7,1
-0,1,64,8,1
-0,1,64,9,1
-0,1,65,0,1
-0,1,65,1,1
-0,1,65,2,1
-0,1,65,3,1
-0,1,65,4,1
-0,1,65,5,1
-0,1,65,6,1
-0,1,65,7,1
-0,1,65,8,1
-0,1,65,9,1
-0,1,66,0,1
-0,1,66,1,1
-0,1,66,2,1
-0,1,66,3,1
-0,1,66,4,1
-0,1,66,5,1
-0,1,66,6,1
-0,1,66,7,1
-0,1,66,8,1
-0,1,66,9,1
-0,1,67,0,1
-0,1,67,1,1
-0,1,67,2,1
-0,1,67,3,1
-0,1,67,4,1
-0,1,67,5,1
-0,1,67,6,1
-0,1,67,7,1
-0,1,67,8,1
-0,1,67,9,1
-0,1,68,0,1
-0,1,68,1,1
-0,1,68,2,1
-0,1,68,3,1
-0,1,68,4,1
-0,1,68,5,1
-0,1,68,6,1
-0,1,68,7,1
-0,1,68,8,1
-0,1,68,9,1
-0,1,69,0,1
-0,1,69,1,1
-0,1,69,2,1
-0,1,69,3,1
-0,1,69,4,1
-0,1,69,5,1
-0,1,69,6,1
-0,1,69,7,1
-0,1,69,8,1
-0,1,69,9,1
-0,1,70,0,1
-0,1,70,1,1
-0,1,70,2,1
-0,1,70,3,1
-0,1,70,4,1
-0,1,70,5,1
-0,1,70,6,1
-0,1,70,7,1
-0,1,70,8,1
-0,1,70,9,1
-0,1,71,0,1
-0,1,71,1,1
-0,1,71,2,1
-0,1,71,3,1
-0,1,71,4,1
-0,1,71,5,1
-0,1,71,6,1
-0,1,71,7,1
-0,1,71,8,1
-0,1,71,9,1
-0,1,72,0,1
-0,1,72,1,1
-0,1,72,2,1
-0,1,72,3,1
-0,1,72,4,1
-0,1,72,5,1
-0,1,72,6,1
-0,1,72,7,1
-0,1,72,8,1
-0,1,72,9,1
-0,1,73,0,1
-0,1,73,1,1
-0,1,73,2,1
-0,1,73,3,1
-0,1,73,4,1
-0,1,73,5,1
-0,1,73,6,1
-0,1,73,7,1
-0,1,73,8,1
-0,1,73,9,1
-0,1,74,0,1
-0,1,74,1,1
-0,1,74,2,1
-0,1,74,3,1
-0,1,74,4,1
-0,1,74,5,1
-0,1,74,6,1
-0,1,74,7,1
-0,1,74,8,1
-0,1,74,9,1
-0,1,75,0,1
-0,1,75,1,1
-0,1,75,2,1
-0,1,75,3,1
-0,1,75,4,1
-0,1,75,5,1
-0,1,75,6,1
-0,1,75,7,1
-0,1,75,8,1
-0,1,75,9,1
-0,1,76,0,1
-0,1,76,1,1
-0,1,76,2,1
-0,1,76,3,1
-0,1,76,4,1
-0,1,76,5,1
-0,1,76,6,1
-0,1,76,7,1
-0,1,76,8,1
-0,1,76,9,1
-0,1,77,0,1
-0,1,77,1,1
-0,1,77,2,1
-0,1,77,3,1
-0,1,77,4,1
-0,1,77,5,1
-0,1,77,6,1
-0,1,77,7,1
-0,1,77,8,1
-0,1,77,9,1
-0,1,78,0,1
-0,1,78,1,1
-0,1,78,2,1
-0,1,78,3,1
-0,1,78,4,1
-0,1,78,5,1
-0,1,78,6,1
-0,1,78,7,1
-0,1,78,8,1
-0,1,78,9,1
-0,1,79,0,1
-0,1,79,1,1
-0,1,79,2,1
-0,1,79,3,1
-0,1,79,4,1
-0,1,79,5,1
-0,1,79,6,1
-0,1,79,7,1
-0,1,79,8,1
-0,1,79,9,1
-0,1,80,0,1
-0,1,80,1,1
-0,1,80,2,1
-0,1,80,3,1
-0,1,80,4,1
-0,1,80,5,1
-0,1,80,6,1
-0,1,80,7,1
-0,1,80,8,1
-0,1,80,9,1
-0,1,81,0,1
-0,1,81,1,1
-0,1,81,2,1
-0,1,81,3,1
-0,1,81,4,1
-0,1,81,5,1
-0,1,81,6,1
-0,1,81,7,1
-0,1,81,8,1
-0,1,81,9,1
-0,1,82,0,1
-0,1,82,1,1
-0,1,82,2,1
-0,1,82,3,1
-0,1,82,4,1
-0,1,82,5,1
-0,1,82,6,1
-0,1,82,7,1
-0,1,82,8,1
-0,1,82,9,1
-0,1,83,0,1
-0,1,83,1,1
-0,1,83,2,1
-0,1,83,3,1
-0,1,83,4,1
-0,1,83,5,1
-0,1,83,6,1
-0,1,83,7,1
-0,1,83,8,1
-0,1,83,9,1
-0,1,84,0,1
-0,1,84,1,1
-0,1,84,2,1
-0,1,84,3,1
-0,1,84,4,1
-0,1,84,5,1
-0,1,84,6,1
-0,1,84,7,1
-0,1,84,8,1
-0,1,84,9,1
-0,1,85,0,1
-0,1,85,1,1
-0,1,85,2,1
-0,1,85,3,1
-0,1,85,4,1
-0,1,85,5,1
-0,1,85,6,1
-0,1,85,7,1
-0,1,85,8,1
-0,1,85,9,1
-0,1,86,0,1
-0,1,86,1,1
-0,1,86,2,1
-0,1,86,3,1
-0,1,86,4,1
-0,1,86,5,1
-0,1,86,6,1
-0,1,86,7,1
-0,1,86,8,1
-0,1,86,9,1
-0,1,87,0,1
-0,1,87,1,1
-0,1,87,2,1
-0,1,87,3,1
-0,1,87,4,1
-0,1,87,5,1
-0,1,87,6,1
-0,1,87,7,1
-0,1,87,8,1
-0,1,87,9,1
-0,1,88,0,1
-0,1,88,1,1
-0,1,88,2,1
-0,1,88,3,1
-0,1,88,4,1
-0,1,88,5,1
-0,1,88,6,1
-0,1,88,7,1
-0,1,88,8,1
-0,1,88,9,1
-0,1,89,0,1
-0,1,89,1,1
-0,1,89,2,1
-0,1,89,3,1
-0,1,89,4,1
-0,1,89,5,1
-0,1,89,6,1
-0,1,89,7,1
-0,1,89,8,1
-0,1,89,9,1
-0,1,90,0,1
-0,1,90,1,1
-0,1,90,2,1
-0,1,90,3,1
-0,1,90,4,1
-0,1,90,5,1
-0,1,90,6,1
-0,1,90,7,1
-0,1,90,8,1
-0,1,90,9,1
-0,1,91,0,1
-0,1,91,1,1
-0,1,91,2,1
-0,1,91,3,1
-0,1,91,4,1
-0,1,91,5,1
-0,1,91,6,1
-0,1,91,7,1
-0,1,91,8,1
-0,1,91,9,1
-0,1,92,0,1
-0,1,92,1,1
-0,1,92,2,1
-0,1,92,3,1
-0,1,92,4,1
-0,1,92,5,1
-0,1,92,6,1
-0,1,92,7,1
-0,1,92,8,1
-0,1,92,9,1
-0,1,93,0,1
-0,1,93,1,1
-0,1,93,2,1
-0,1,93,3,1
-0,1,93,4,1
-0,1,93,5,1
-0,1,93,6,1
-0,1,93,7,1
-0,1,93,8,1
-0,1,93,9,1
-0,1,94,0,1
-0,1,94,1,1
-0,1,94,2,1
-0,1,94,3,1
-0,1,94,4,1
-0,1,94,5,1
-0,1,94,6,1
-0,1,94,7,1
-0,1,94,8,1
-0,1,94,9,1
-0,1,95,0,1
-0,1,95,1,1
-0,1,95,2,1
-0,1,95,3,1
-0,1,95,4,1
-0,1,95,5,1
-0,1,95,6,1
-0,1,95,7,1
-0,1,95,8,1
-0,1,95,9,1
-0,1,96,0,1
-0,1,96,1,1
-0,1,96,2,1
-0,1,96,3,1
-0,1,96,4,1
-0,1,96,5,1
-0,1,96,6,1
-0,1,96,7,1
-0,1,96,8,1
-0,1,96,9,1
-0,1,97,0,1
-0,1,97,1,1
-0,1,97,2,1
-0,1,97,3,1
-0,1,97,4,1
-0,1,97,5,1
-0,1,97,6,1
-0,1,97,7,1
-0,1,97,8,1
-0,1,97,9,1
-0,1,98,0,1
-0,1,98,1,1
-0,1,98,2,1
-0,1,98,3,1
-0,1,98,4,1
-0,1,98,5,1
-0,1,98,6,1
-0,1,98,7,1
-0,1,98,8,1
-0,1,98,9,1
-0,1,99,0,1
-0,1,99,1,1
-0,1,99,2,1
-0,1,99,3,1
-0,1,99,4,1
-0,1,99,5,1
-0,1,99,6,1
-0,1,99,7,1
-0,1,99,8,1
-0,1,99,9,1
-1,1,0,0,1
-1,1,0,1,1
-1,1,0,2,1
-1,1,0,3,1
-1,1,0,4,1
-1,1,0,5,1
-1,1,0,6,1
-1,1,0,7,1
-1,1,0,8,1
-1,1,0,9,1
-1,1,1,0,1
-1,1,1,1,1
-1,1,1,2,1
-1,1,1,3,1
-1,1,1,4,1
-1,1,1,5,1
-1,1,1,6,1
-1,1,1,7,1
-1,1,1,8,1
-1,1,1,9,1
-1,1,2,0,1
-1,1,2,1,1
-1,1,2,2,1
-1,1,2,3,1
-1,1,2,4,1
-1,1,2,5,1
-1,1,2,6,1
-1,1,2,7,1
-1,1,2,8,1
-1,1,2,9,1
-1,1,3,0,1
-1,1,3,1,1
-1,1,3,2,1
-1,1,3,3,1
-1,1,3,4,1
-1,1,3,5,1
-1,1,3,6,1
-1,1,3,7,1
-1,1,3,8,1
-1,1,3,9,1
-1,1,4,0,1
-1,1,4,1,1
-1,1,4,2,1
-1,1,4,3,1
-1,1,4,4,1
-1,1,4,5,1
-1,1,4,6,1
-1,1,4,7,1
-1,1,4,8,1
-1,1,4,9,1
-1,1,5,0,1
-1,1,5,1,1
-1,1,5,2,1
-1,1,5,3,1
-1,1,5,4,1
-1,1,5,5,1
-1,1,5,6,1
-1,1,5,7,1
-1,1,5,8,1
-1,1,5,9,1
-1,1,6,0,1
-1,1,6,1,1
-1,1,6,2,1
-1,1,6,3,1
-1,1,6,4,1
-1,1,6,5,1
-1,1,6,6,1
-1,1,6,7,1
-1,1,6,8,1
-1,1,6,9,1
-1,1,7,0,1
-1,1,7,1,1
-1,1,7,2,1
-1,1,7,3,1
-1,1,7,4,1
-1,1,7,5,1
-1,1,7,6,1
-1,1,7,7,1
-1,1,7,8,1
-1,1,7,9,1
-1,1,8,0,1
-1,1,8,1,1
-1,1,8,2,1
-1,1,8,3,1
-1,1,8,4,1
-1,1,8,5,1
-1,1,8,6,1
-1,1,8,7,1
-1,1,8,8,1
-1,1,8,9,1
-1,1,9,0,1
-1,1,9,1,1
-1,1,9,2,1
-1,1,9,3,1
-1,1,9,4,1
-1,1,9,5,1
-1,1,9,6,1
-1,1,9,7,1
-1,1,9,8,1
-1,1,9,9,1
-1,1,10,0,1
-1,1,10,1,1
-1,1,10,2,1
-1,1,10,3,1
-1,1,10,4,1
-1,1,10,5,1
-1,1,10,6,1
-1,1,10,7,1
-1,1,10,8,1
-1,1,10,9,1
-1,1,11,0,1
-1,1,11,1,1
-1,1,11,2,1
-1,1,11,3,1
-1,1,11,4,1
-1,1,11,5,1
-1,1,11,6,1
-1,1,11,7,1
-1,1,11,8,1
-1,1,11,9,1
-1,1,12,0,1
-1,1,12,1,1
-1,1,12,2,1
-1,1,12,3,1
-1,1,12,4,1
-1,1,12,5,1
-1,1,12,6,1
-1,1,12,7,1
-1,1,12,8,1
-1,1,12,9,1
-1,1,13,0,1
-1,1,13,1,1
-1,1,13,2,1
-1,1,13,3,1
-1,1,13,4,1
-1,1,13,5,1
-1,1,13,6,1
-1,1,13,7,1
-1,1,13,8,1
-1,1,13,9,1
-1,1,14,0,1
-1,1,14,1,1
-1,1,14,2,1
-1,1,14,3,1
-1,1,14,4,1
-1,1,14,5,1
-1,1,14,6,1
-1,1,14,7,1
-1,1,14,8,1
-1,1,14,9,1
-1,1,15,0,1
-1,1,15,1,1
-1,1,15,2,1
-1,1,15,3,1
-1,1,15,4,1
-1,1,15,5,1
-1,1,15,6,1
-1,1,15,7,1
-1,1,15,8,1
-1,1,15,9,1
-1,1,16,0,1
-1,1,16,1,1
-1,1,16,2,1
-1,1,16,3,1
-1,1,16,4,1
-1,1,16,5,1
-1,1,16,6,1
-1,1,16,7,1
-1,1,16,8,1
-1,1,16,9,1
-1,1,17,0,1
-1,1,17,1,1
-1,1,17,2,1
-1,1,17,3,1
-1,1,17,4,1
-1,1,17,5,1
-1,1,17,6,1
-1,1,17,7,1
-1,1,17,8,1
-1,1,17,9,1
-1,1,18,0,1
-1,1,18,1,1
-1,1,18,2,1
-1,1,18,3,1
-1,1,18,4,1
-1,1,18,5,1
-1,1,18,6,1
-1,1,18,7,1
-1,1,18,8,1
-1,1,18,9,1
-1,1,19,0,1
-1,1,19,1,1
-1,1,19,2,1
-1,1,19,3,1
-1,1,19,4,1
-1,1,19,5,1
-1,1,19,6,1
-1,1,19,7,1
-1,1,19,8,1
-1,1,19,9,1
-1,1,20,0,1
-1,1,20,1,1
-1,1,20,2,1
-1,1,20,3,1
-1,1,20,4,1
-1,1,20,5,1
-1,1,20,6,1
-1,1,20,7,1
-1,1,20,8,1
-1,1,20,9,1
-1,1,21,0,1
-1,1,21,1,1
-1,1,21,2,1
-1,1,21,3,1
-1,1,21,4,1
-1,1,21,5,1
-1,1,21,6,1
-1,1,21,7,1
-1,1,21,8,1
-1,1,21,9,1
-1,1,22,0,1
-1,1,22,1,1
-1,1,22,2,1
-1,1,22,3,1
-1,1,22,4,1
-1,1,22,5,1
-1,1,22,6,1
-1,1,22,7,1
-1,1,22,8,1
-1,1,22,9,1
-1,1,23,0,1
-1,1,23,1,1
-1,1,23,2,1
-1,1,23,3,1
-1,1,23,4,1
-1,1,23,5,1
-1,1,23,6,1
-1,1,23,7,1
-1,1,23,8,1
-1,1,23,9,1
-1,1,24,0,1
-1,1,24,1,1
-1,1,24,2,1
-1,1,24,3,1
-1,1,24,4,1
-1,1,24,5,1
-1,1,24,6,1
-1,1,24,7,1
-1,1,24,8,1
-1,1,24,9,1
-1,1,25,0,1
-1,1,25,1,1
-1,1,25,2,1
-1,1,25,3,1
-1,1,25,4,1
-1,1,25,5,1
-1,1,25,6,1
-1,1,25,7,1
-1,1,25,8,1
-1,1,25,9,1
-1,1,26,0,1
-1,1,26,1,1
-1,1,26,2,1
-1,1,26,3,1
-1,1,26,4,1
-1,1,26,5,1
-1,1,26,6,1
-1,1,26,7,1
-1,1,26,8,1
-1,1,26,9,1
-1,1,27,0,1
-1,1,27,1,1
-1,1,27,2,1
-1,1,27,3,1
-1,1,27,4,1
-1,1,27,5,1
-1,1,27,6,1
-1,1,27,7,1
-1,1,27,8,1
-1,1,27,9,1
-1,1,28,0,1
-1,1,28,1,1
-1,1,28,2,1
-1,1,28,3,1
-1,1,28,4,1
-1,1,28,5,1
-1,1,28,6,1
-1,1,28,7,1
-1,1,28,8,1
-1,1,28,9,1
-1,1,29,0,1
-1,1,29,1,1
-1,1,29,2,1
-1,1,29,3,1
-1,1,29,4,1
-1,1,29,5,1
-1,1,29,6,1
-1,1,29,7,1
-1,1,29,8,1
-1,1,29,9,1
-1,1,30,0,1
-1,1,30,1,1
-1,1,30,2,1
-1,1,30,3,1
-1,1,30,4,1
-1,1,30,5,1
-1,1,30,6,1
-1,1,30,7,1
-1,1,30,8,1
-1,1,30,9,1
-1,1,31,0,1
-1,1,31,1,1
-1,1,31,2,1
-1,1,31,3,1
-1,1,31,4,1
-1,1,31,5,1
-1,1,31,6,1
-1,1,31,7,1
-1,1,31,8,1
-1,1,31,9,1
-1,1,32,0,1
-1,1,32,1,1
-1,1,32,2,1
-1,1,32,3,1
-1,1,32,4,1
-1,1,32,5,1
-1,1,32,6,1
-1,1,32,7,1
-1,1,32,8,1
-1,1,32,9,1
-1,1,33,0,1
-1,1,33,1,1
-1,1,33,2,1
-1,1,33,3,1
-1,1,33,4,1
-1,1,33,5,1
-1,1,33,6,1
-1,1,33,7,1
-1,1,33,8,1
-1,1,33,9,1
-1,1,34,0,1
-1,1,34,1,1
-1,1,34,2,1
-1,1,34,3,1
-1,1,34,4,1
-1,1,34,5,1
-1,1,34,6,1
-1,1,34,7,1
-1,1,34,8,1
-1,1,34,9,1
-1,1,35,0,1
-1,1,35,1,1
-1,1,35,2,1
-1,1,35,3,1
-1,1,35,4,1
-1,1,35,5,1
-1,1,35,6,1
-1,1,35,7,1
-1,1,35,8,1
-1,1,35,9,1
-1,1,36,0,1
-1,1,36,1,1
-1,1,36,2,1
-1,1,36,3,1
-1,1,36,4,1
-1,1,36,5,1
-1,1,36,6,1
-1,1,36,7,1
-1,1,36,8,1
-1,1,36,9,1
-1,1,37,0,1
-1,1,37,1,1
-1,1,37,2,1
-1,1,37,3,1
-1,1,37,4,1
-1,1,37,5,1
-1,1,37,6,1
-1,1,37,7,1
-1,1,37,8,1
-1,1,37,9,1
-1,1,38,0,1
-1,1,38,1,1
-1,1,38,2,1
-1,1,38,3,1
-1,1,38,4,1
-1,1,38,5,1
-1,1,38,6,1
-1,1,38,7,1
-1,1,38,8,1
-1,1,38,9,1
-1,1,39,0,1
-1,1,39,1,1
-1,1,39,2,1
-1,1,39,3,1
-1,1,39,4,1
-1,1,39,5,1
-1,1,39,6,1
-1,1,39,7,1
-1,1,39,8,1
-1,1,39,9,1
-1,1,40,0,1
-1,1,40,1,1
-1,1,40,2,1
-1,1,40,3,1
-1,1,40,4,1
-1,1,40,5,1
-1,1,40,6,1
-1,1,40,7,1
-1,1,40,8,1
-1,1,40,9,1
-1,1,41,0,1
-1,1,41,1,1
-1,1,41,2,1
-1,1,41,3,1
-1,1,41,4,1
-1,1,41,5,1
-1,1,41,6,1
-1,1,41,7,1
-1,1,41,8,1
-1,1,41,9,1
-1,1,42,0,1
-1,1,42,1,1
-1,1,42,2,1
-1,1,42,3,1
-1,1,42,4,1
-1,1,42,5,1
-1,1,42,6,1
-1,1,42,7,1
-1,1,42,8,1
-1,1,42,9,1
-1,1,43,0,1
-1,1,43,1,1
-1,1,43,2,1
-1,1,43,3,1
-1,1,43,4,1
-1,1,43,5,1
-1,1,43,6,1
-1,1,43,7,1
-1,1,43,8,1
-1,1,43,9,1
-1,1,44,0,1
-1,1,44,1,1
-1,1,44,2,1
-1,1,44,3,1
-1,1,44,4,1
-1,1,44,5,1
-1,1,44,6,1
-1,1,44,7,1
-1,1,44,8,1
-1,1,44,9,1
-1,1,45,0,1
-1,1,45,1,1
-1,1,45,2,1
-1,1,45,3,1
-1,1,45,4,1
-1,1,45,5,1
-1,1,45,6,1
-1,1,45,7,1
-1,1,45,8,1
-1,1,45,9,1
-1,1,46,0,1
-1,1,46,1,1
-1,1,46,2,1
-1,1,46,3,1
-1,1,46,4,1
-1,1,46,5,1
-1,1,46,6,1
-1,1,46,7,1
-1,1,46,8,1
-1,1,46,9,1
-1,1,47,0,1
-1,1,47,1,1
-1,1,47,2,1
-1,1,47,3,1
-1,1,47,4,1
-1,1,47,5,1
-1,1,47,6,1
-1,1,47,7,1
-1,1,47,8,1
-1,1,47,9,1
-1,1,48,0,1
-1,1,48,1,1
-1,1,48,2,1
-1,1,48,3,1
-1,1,48,4,1
-1,1,48,5,1
-1,1,48,6,1
-1,1,48,7,1
-1,1,48,8,1
-1,1,48,9,1
-1,1,49,0,1
-1,1,49,1,1
-1,1,49,2,1
-1,1,49,3,1
-1,1,49,4,1
-1,1,49,5,1
-1,1,49,6,1
-1,1,49,7,1
-1,1,49,8,1
-1,1,49,9,1
-1,1,50,0,1
-1,1,50,1,1
-1,1,50,2,1
-1,1,50,3,1
-1,1,50,4,1
-1,1,50,5,1
-1,1,50,6,1
-1,1,50,7,1
-1,1,50,8,1
-1,1,50,9,1
-1,1,51,0,1
-1,1,51,1,1
-1,1,51,2,1
-1,1,51,3,1
-1,1,51,4,1
-1,1,51,5,1
-1,1,51,6,1
-1,1,51,7,1
-1,1,51,8,1
-1,1,51,9,1
-1,1,52,0,1
-1,1,52,1,1
-1,1,52,2,1
-1,1,52,3,1
-1,1,52,4,1
-1,1,52,5,1
-1,1,52,6,1
-1,1,52,7,1
-1,1,52,8,1
-1,1,52,9,1
-1,1,53,0,1
-1,1,53,1,1
-1,1,53,2,1
-1,1,53,3,1
-1,1,53,4,1
-1,1,53,5,1
-1,1,53,6,1
-1,1,53,7,1
-1,1,53,8,1
-1,1,53,9,1
-1,1,54,0,1
-1,1,54,1,1
-1,1,54,2,1
-1,1,54,3,1
-1,1,54,4,1
-1,1,54,5,1
-1,1,54,6,1
-1,1,54,7,1
-1,1,54,8,1
-1,1,54,9,1
-1,1,55,0,1
-1,1,55,1,1
-1,1,55,2,1
-1,1,55,3,1
-1,1,55,4,1
-1,1,55,5,1
-1,1,55,6,1
-1,1,55,7,1
-1,1,55,8,1
-1,1,55,9,1
-1,1,56,0,1
-1,1,56,1,1
-1,1,56,2,1
-1,1,56,3,1
-1,1,56,4,1
-1,1,56,5,1
-1,1,56,6,1
-1,1,56,7,1
-1,1,56,8,1
-1,1,56,9,1
-1,1,57,0,1
-1,1,57,1,1
-1,1,57,2,1
-1,1,57,3,1
-1,1,57,4,1
-1,1,57,5,1
-1,1,57,6,1
-1,1,57,7,1
-1,1,57,8,1
-1,1,57,9,1
-1,1,58,0,1
-1,1,58,1,1
-1,1,58,2,1
-1,1,58,3,1
-1,1,58,4,1
-1,1,58,5,1
-1,1,58,6,1
-1,1,58,7,1
-1,1,58,8,1
-1,1,58,9,1
-1,1,59,0,1
-1,1,59,1,1
-1,1,59,2,1
-1,1,59,3,1
-1,1,59,4,1
-1,1,59,5,1
-1,1,59,6,1
-1,1,59,7,1
-1,1,59,8,1
-1,1,59,9,1
-1,1,60,0,1
-1,1,60,1,1
-1,1,60,2,1
-1,1,60,3,1
-1,1,60,4,1
-1,1,60,5,1
-1,1,60,6,1
-1,1,60,7,1
-1,1,60,8,1
-1,1,60,9,1
-1,1,61,0,1
-1,1,61,1,1
-1,1,61,2,1
-1,1,61,3,1
-1,1,61,4,1
-1,1,61,5,1
-1,1,61,6,1
-1,1,61,7,1
-1,1,61,8,1
-1,1,61,9,1
-1,1,62,0,1
-1,1,62,1,1
-1,1,62,2,1
-1,1,62,3,1
-1,1,62,4,1
-1,1,62,5,1
-1,1,62,6,1
-1,1,62,7,1
-1,1,62,8,1
-1,1,62,9,1
-1,1,63,0,1
-1,1,63,1,1
-1,1,63,2,1
-1,1,63,3,1
-1,1,63,4,1
-1,1,63,5,1
-1,1,63,6,1
-1,1,63,7,1
-1,1,63,8,1
-1,1,63,9,1
-1,1,64,0,1
-1,1,64,1,1
-1,1,64,2,1
-1,1,64,3,1
-1,1,64,4,1
-1,1,64,5,1
-1,1,64,6,1
-1,1,64,7,1
-1,1,64,8,1
-1,1,64,9,1
-1,1,65,0,1
-1,1,65,1,1
-1,1,65,2,1
-1,1,65,3,1
-1,1,65,4,1
-1,1,65,5,1
-1,1,65,6,1
-1,1,65,7,1
-1,1,65,8,1
-1,1,65,9,1
-1,1,66,0,1
-1,1,66,1,1
-1,1,66,2,1
-1,1,66,3,1
-1,1,66,4,1
-1,1,66,5,1
-1,1,66,6,1
-1,1,66,7,1
-1,1,66,8,1
-1,1,66,9,1
-1,1,67,0,1
-1,1,67,1,1
-1,1,67,2,1
-1,1,67,3,1
-1,1,67,4,1
-1,1,67,5,1
-1,1,67,6,1
-1,1,67,7,1
-1,1,67,8,1
-1,1,67,9,1
-1,1,68,0,1
-1,1,68,1,1
-1,1,68,2,1
-1,1,68,3,1
-1,1,68,4,1
-1,1,68,5,1
-1,1,68,6,1
-1,1,68,7,1
-1,1,68,8,1
-1,1,68,9,1
-1,1,69,0,1
-1,1,69,1,1
-1,1,69,2,1
-1,1,69,3,1
-1,1,69,4,1
-1,1,69,5,1
-1,1,69,6,1
-1,1,69,7,1
-1,1,69,8,1
-1,1,69,9,1
-1,1,70,0,1
-1,1,70,1,1
-1,1,70,2,1
-1,1,70,3,1
-1,1,70,4,1
-1,1,70,5,1
-1,1,70,6,1
-1,1,70,7,1
-1,1,70,8,1
-1,1,70,9,1
-1,1,71,0,1
-1,1,71,1,1
-1,1,71,2,1
-1,1,71,3,1
-1,1,71,4,1
-1,1,71,5,1
-1,1,71,6,1
-1,1,71,7,1
-1,1,71,8,1
-1,1,71,9,1
-1,1,72,0,1
-1,1,72,1,1
-1,1,72,2,1
-1,1,72,3,1
-1,1,72,4,1
-1,1,72,5,1
-1,1,72,6,1
-1,1,72,7,1
-1,1,72,8,1
-1,1,72,9,1
-1,1,73,0,1
-1,1,73,1,1
-1,1,73,2,1
-1,1,73,3,1
-1,1,73,4,1
-1,1,73,5,1
-1,1,73,6,1
-1,1,73,7,1
-1,1,73,8,1
-1,1,73,9,1
-1,1,74,0,1
-1,1,74,1,1
-1,1,74,2,1
-1,1,74,3,1
-1,1,74,4,1
-1,1,74,5,1
-1,1,74,6,1
-1,1,74,7,1
-1,1,74,8,1
-1,1,74,9,1
-1,1,75,0,1
-1,1,75,1,1
-1,1,75,2,1
-1,1,75,3,1
-1,1,75,4,1
-1,1,75,5,1
-1,1,75,6,1
-1,1,75,7,1
-1,1,75,8,1
-1,1,75,9,1
-1,1,76,0,1
-1,1,76,1,1
-1,1,76,2,1
-1,1,76,3,1
-1,1,76,4,1
-1,1,76,5,1
-1,1,76,6,1
-1,1,76,7,1
-1,1,76,8,1
-1,1,76,9,1
-1,1,77,0,1
-1,1,77,1,1
-1,1,77,2,1
-1,1,77,3,1
-1,1,77,4,1
-1,1,77,5,1
-1,1,77,6,1
-1,1,77,7,1
-1,1,77,8,1
-1,1,77,9,1
-1,1,78,0,1
-1,1,78,1,1
-1,1,78,2,1
-1,1,78,3,1
-1,1,78,4,1
-1,1,78,5,1
-1,1,78,6,1
-1,1,78,7,1
-1,1,78,8,1
-1,1,78,9,1
-1,1,79,0,1
-1,1,79,1,1
-1,1,79,2,1
-1,1,79,3,1
-1,1,79,4,1
-1,1,79,5,1
-1,1,79,6,1
-1,1,79,7,1
-1,1,79,8,1
-1,1,79,9,1
-1,1,80,0,1
-1,1,80,1,1
-1,1,80,2,1
-1,1,80,3,1
-1,1,80,4,1
-1,1,80,5,1
-1,1,80,6,1
-1,1,80,7,1
-1,1,80,8,1
-1,1,80,9,1
-1,1,81,0,1
-1,1,81,1,1
-1,1,81,2,1
-1,1,81,3,1
-1,1,81,4,1
-1,1,81,5,1
-1,1,81,6,1
-1,1,81,7,1
-1,1,81,8,1
-1,1,81,9,1
-1,1,82,0,1
-1,1,82,1,1
-1,1,82,2,1
-1,1,82,3,1
-1,1,82,4,1
-1,1,82,5,1
-1,1,82,6,1
-1,1,82,7,1
-1,1,82,8,1
-1,1,82,9,1
-1,1,83,0,1
-1,1,83,1,1
-1,1,83,2,1
-1,1,83,3,1
-1,1,83,4,1
-1,1,83,5,1
-1,1,83,6,1
-1,1,83,7,1
-1,1,83,8,1
-1,1,83,9,1
-1,1,84,0,1
-1,1,84,1,1
-1,1,84,2,1
-1,1,84,3,1
-1,1,84,4,1
-1,1,84,5,1
-1,1,84,6,1
-1,1,84,7,1
-1,1,84,8,1
-1,1,84,9,1
-1,1,85,0,1
-1,1,85,1,1
-1,1,85,2,1
-1,1,85,3,1
-1,1,85,4,1
-1,1,85,5,1
-1,1,85,6,1
-1,1,85,7,1
-1,1,85,8,1
-1,1,85,9,1
-1,1,86,0,1
-1,1,86,1,1
-1,1,86,2,1
-1,1,86,3,1
-1,1,86,4,1
-1,1,86,5,1
-1,1,86,6,1
-1,1,86,7,1
-1,1,86,8,1
-1,1,86,9,1
-1,1,87,0,1
-1,1,87,1,1
-1,1,87,2,1
-1,1,87,3,1
-1,1,87,4,1
-1,1,87,5,1
-1,1,87,6,1
-1,1,87,7,1
-1,1,87,8,1
-1,1,87,9,1
-1,1,88,0,1
-1,1,88,1,1
-1,1,88,2,1
-1,1,88,3,1
-1,1,88,4,1
-1,1,88,5,1
-1,1,88,6,1
-1,1,88,7,1
-1,1,88,8,1
-1,1,88,9,1
-1,1,89,0,1
-1,1,89,1,1
-1,1,89,2,1
-1,1,89,3,1
-1,1,89,4,1
-1,1,89,5,1
-1,1,89,6,1
-1,1,89,7,1
-1,1,89,8,1
-1,1,89,9,1
-1,1,90,0,1
-1,1,90,1,1
-1,1,90,2,1
-1,1,90,3,1
-1,1,90,4,1
-1,1,90,5,1
-1,1,90,6,1
-1,1,90,7,1
-1,1,90,8,1
-1,1,90,9,1
-1,1,91,0,1
-1,1,91,1,1
-1,1,91,2,1
-1,1,91,3,1
-1,1,91,4,1
-1,1,91,5,1
-1,1,91,6,1
-1,1,91,7,1
-1,1,91,8,1
-1,1,91,9,1
-1,1,92,0,1
-1,1,92,1,1
-1,1,92,2,1
-1,1,92,3,1
-1,1,92,4,1
-1,1,92,5,1
-1,1,92,6,1
-1,1,92,7,1
-1,1,92,8,1
-1,1,92,9,1
-1,1,93,0,1
-1,1,93,1,1
-1,1,93,2,1
-1,1,93,3,1
-1,1,93,4,1
-1,1,93,5,1
-1,1,93,6,1
-1,1,93,7,1
-1,1,93,8,1
-1,1,93,9,1
-1,1,94,0,1
-1,1,94,1,1
-1,1,94,2,1
-1,1,94,3,1
-1,1,94,4,1
-1,1,94,5,1
-1,1,94,6,1
-1,1,94,7,1
-1,1,94,8,1
-1,1,94,9,1
-1,1,95,0,1
-1,1,95,1,1
-1,1,95,2,1
-1,1,95,3,1
-1,1,95,4,1
-1,1,95,5,1
-1,1,95,6,1
-1,1,95,7,1
-1,1,95,8,1
-1,1,95,9,1
-1,1,96,0,1
-1,1,96,1,1
-1,1,96,2,1
-1,1,96,3,1
-1,1,96,4,1
-1,1,96,5,1
-1,1,96,6,1
-1,1,96,7,1
-1,1,96,8,1
-1,1,96,9,1
-1,1,97,0,1
-1,1,97,1,1
-1,1,97,2,1
-1,1,97,3,1
-1,1,97,4,1
-1,1,97,5,1
-1,1,97,6,1
-1,1,97,7,1
-1,1,97,8,1
-1,1,97,9,1
-1,1,98,0,1
-1,1,98,1,1
-1,1,98,2,1
-1,1,98,3,1
-1,1,98,4,1
-1,1,98,5,1
-1,1,98,6,1
-1,1,98,7,1
-1,1,98,8,1
-1,1,98,9,1
-1,1,99,0,1
-1,1,99,1,1
-1,1,99,2,1
-1,1,99,3,1
-1,1,99,4,1
-1,1,99,5,1
-1,1,99,6,1
-1,1,99,7,1
-1,1,99,8,1
-1,1,99,9,1
 1,0,0,0,1
 1,0,0,1,1
 1,0,0,2,1
@@ -3690,6 +1690,315 @@ id_scenario,id_run,period,id,a
 1,0,68,8,1
 1,0,68,9,1
 1,0,69,0,1
+0,1,69,1,1
+0,1,69,2,1
+0,1,69,3,1
+0,1,69,4,1
+0,1,69,5,1
+0,1,69,6,1
+0,1,69,7,1
+0,1,69,8,1
+0,1,69,9,1
+0,1,70,0,1
+0,1,70,1,1
+0,1,70,2,1
+0,1,70,3,1
+0,1,70,4,1
+0,1,70,5,1
+0,1,70,6,1
+0,1,70,7,1
+0,1,70,8,1
+0,1,70,9,1
+0,1,71,0,1
+0,1,71,1,1
+0,1,71,2,1
+0,1,71,3,1
+0,1,71,4,1
+0,1,71,5,1
+0,1,71,6,1
+0,1,71,7,1
+0,1,71,8,1
+0,1,71,9,1
+0,1,72,0,1
+0,1,72,1,1
+0,1,72,2,1
+0,1,72,3,1
+0,1,72,4,1
+0,1,72,5,1
+0,1,72,6,1
+0,1,72,7,1
+0,1,72,8,1
+0,1,72,9,1
+0,1,73,0,1
+0,1,73,1,1
+0,1,73,2,1
+0,1,73,3,1
+0,1,73,4,1
+0,1,73,5,1
+0,1,73,6,1
+0,1,73,7,1
+0,1,73,8,1
+0,1,73,9,1
+0,1,74,0,1
+0,1,74,1,1
+0,1,74,2,1
+0,1,74,3,1
+0,1,74,4,1
+0,1,74,5,1
+0,1,74,6,1
+0,1,74,7,1
+0,1,74,8,1
+0,1,74,9,1
+0,1,75,0,1
+0,1,75,1,1
+0,1,75,2,1
+0,1,75,3,1
+0,1,75,4,1
+0,1,75,5,1
+0,1,75,6,1
+0,1,75,7,1
+0,1,75,8,1
+0,1,75,9,1
+0,1,76,0,1
+0,1,76,1,1
+0,1,76,2,1
+0,1,76,3,1
+0,1,76,4,1
+0,1,76,5,1
+0,1,76,6,1
+0,1,76,7,1
+0,1,76,8,1
+0,1,76,9,1
+0,1,77,0,1
+0,1,77,1,1
+0,1,77,2,1
+0,1,77,3,1
+0,1,77,4,1
+0,1,77,5,1
+0,1,77,6,1
+0,1,77,7,1
+0,1,77,8,1
+0,1,77,9,1
+0,1,78,0,1
+0,1,78,1,1
+0,1,78,2,1
+0,1,78,3,1
+0,1,78,4,1
+0,1,78,5,1
+0,1,78,6,1
+0,1,78,7,1
+0,1,78,8,1
+0,1,78,9,1
+0,1,79,0,1
+0,1,79,1,1
+0,1,79,2,1
+0,1,79,3,1
+0,1,79,4,1
+0,1,79,5,1
+0,1,79,6,1
+0,1,79,7,1
+0,1,79,8,1
+0,1,79,9,1
+0,1,80,0,1
+0,1,80,1,1
+0,1,80,2,1
+0,1,80,3,1
+0,1,80,4,1
+0,1,80,5,1
+0,1,80,6,1
+0,1,80,7,1
+0,1,80,8,1
+0,1,80,9,1
+0,1,81,0,1
+0,1,81,1,1
+0,1,81,2,1
+0,1,81,3,1
+0,1,81,4,1
+0,1,81,5,1
+0,1,81,6,1
+0,1,81,7,1
+0,1,81,8,1
+0,1,81,9,1
+0,1,82,0,1
+0,1,82,1,1
+0,1,82,2,1
+0,1,82,3,1
+0,1,82,4,1
+0,1,82,5,1
+0,1,82,6,1
+0,1,82,7,1
+0,1,82,8,1
+0,1,82,9,1
+0,1,83,0,1
+0,1,83,1,1
+0,1,83,2,1
+0,1,83,3,1
+0,1,83,4,1
+0,1,83,5,1
+0,1,83,6,1
+0,1,83,7,1
+0,1,83,8,1
+0,1,83,9,1
+0,1,84,0,1
+0,1,84,1,1
+0,1,84,2,1
+0,1,84,3,1
+0,1,84,4,1
+0,1,84,5,1
+0,1,84,6,1
+0,1,84,7,1
+0,1,84,8,1
+0,1,84,9,1
+0,1,85,0,1
+0,1,85,1,1
+0,1,85,2,1
+0,1,85,3,1
+0,1,85,4,1
+0,1,85,5,1
+0,1,85,6,1
+0,1,85,7,1
+0,1,85,8,1
+0,1,85,9,1
+0,1,86,0,1
+0,1,86,1,1
+0,1,86,2,1
+0,1,86,3,1
+0,1,86,4,1
+0,1,86,5,1
+0,1,86,6,1
+0,1,86,7,1
+0,1,86,8,1
+0,1,86,9,1
+0,1,87,0,1
+0,1,87,1,1
+0,1,87,2,1
+0,1,87,3,1
+0,1,87,4,1
+0,1,87,5,1
+0,1,87,6,1
+0,1,87,7,1
+0,1,87,8,1
+0,1,87,9,1
+0,1,88,0,1
+0,1,88,1,1
+0,1,88,2,1
+0,1,88,3,1
+0,1,88,4,1
+0,1,88,5,1
+0,1,88,6,1
+0,1,88,7,1
+0,1,88,8,1
+0,1,88,9,1
+0,1,89,0,1
+0,1,89,1,1
+0,1,89,2,1
+0,1,89,3,1
+0,1,89,4,1
+0,1,89,5,1
+0,1,89,6,1
+0,1,89,7,1
+0,1,89,8,1
+0,1,89,9,1
+0,1,90,0,1
+0,1,90,1,1
+0,1,90,2,1
+0,1,90,3,1
+0,1,90,4,1
+0,1,90,5,1
+0,1,90,6,1
+0,1,90,7,1
+0,1,90,8,1
+0,1,90,9,1
+0,1,91,0,1
+0,1,91,1,1
+0,1,91,2,1
+0,1,91,3,1
+0,1,91,4,1
+0,1,91,5,1
+0,1,91,6,1
+0,1,91,7,1
+0,1,91,8,1
+0,1,91,9,1
+0,1,92,0,1
+0,1,92,1,1
+0,1,92,2,1
+0,1,92,3,1
+0,1,92,4,1
+0,1,92,5,1
+0,1,92,6,1
+0,1,92,7,1
+0,1,92,8,1
+0,1,92,9,1
+0,1,93,0,1
+0,1,93,1,1
+0,1,93,2,1
+0,1,93,3,1
+0,1,93,4,1
+0,1,93,5,1
+0,1,93,6,1
+0,1,93,7,1
+0,1,93,8,1
+0,1,93,9,1
+0,1,94,0,1
+0,1,94,1,1
+0,1,94,2,1
+0,1,94,3,1
+0,1,94,4,1
+0,1,94,5,1
+0,1,94,6,1
+0,1,94,7,1
+0,1,94,8,1
+0,1,94,9,1
+0,1,95,0,1
+0,1,95,1,1
+0,1,95,2,1
+0,1,95,3,1
+0,1,95,4,1
+0,1,95,5,1
+0,1,95,6,1
+0,1,95,7,1
+0,1,95,8,1
+0,1,95,9,1
+0,1,96,0,1
+0,1,96,1,1
+0,1,96,2,1
+0,1,96,3,1
+0,1,96,4,1
+0,1,96,5,1
+0,1,96,6,1
+0,1,96,7,1
+0,1,96,8,1
+0,1,96,9,1
+0,1,97,0,1
+0,1,97,1,1
+0,1,97,2,1
+0,1,97,3,1
+0,1,97,4,1
+0,1,97,5,1
+0,1,97,6,1
+0,1,97,7,1
+0,1,97,8,1
+0,1,97,9,1
+0,1,98,0,1
+0,1,98,1,1
+0,1,98,2,1
+0,1,98,3,1
+0,1,98,4,1
+0,1,98,5,1
+0,1,98,6,1
+0,1,98,7,1
+0,1,98,8,1
+0,1,98,9,1
+0,1,99,0,1
+0,1,99,1,1
+0,1,99,2,1
+0,1,99,3,1
+0,1,99,4,1
+0,1,99,5,1
+0,1,99,6,1
+0,1,99,7,1
+0,1,99,8,1
+0,1,99,9,1
 1,0,69,1,1
 1,0,69,2,1
 1,0,69,3,1
@@ -3999,3 +2308,1003 @@ id_scenario,id_run,period,id,a
 1,0,99,7,1
 1,0,99,8,1
 1,0,99,9,1
+1,1,0,0,1
+1,1,0,1,1
+1,1,0,2,1
+1,1,0,3,1
+1,1,0,4,1
+1,1,0,5,1
+1,1,0,6,1
+1,1,0,7,1
+1,1,0,8,1
+1,1,0,9,1
+1,1,1,0,1
+1,1,1,1,1
+1,1,1,2,1
+1,1,1,3,1
+1,1,1,4,1
+1,1,1,5,1
+1,1,1,6,1
+1,1,1,7,1
+1,1,1,8,1
+1,1,1,9,1
+1,1,2,0,1
+1,1,2,1,1
+1,1,2,2,1
+1,1,2,3,1
+1,1,2,4,1
+1,1,2,5,1
+1,1,2,6,1
+1,1,2,7,1
+1,1,2,8,1
+1,1,2,9,1
+1,1,3,0,1
+1,1,3,1,1
+1,1,3,2,1
+1,1,3,3,1
+1,1,3,4,1
+1,1,3,5,1
+1,1,3,6,1
+1,1,3,7,1
+1,1,3,8,1
+1,1,3,9,1
+1,1,4,0,1
+1,1,4,1,1
+1,1,4,2,1
+1,1,4,3,1
+1,1,4,4,1
+1,1,4,5,1
+1,1,4,6,1
+1,1,4,7,1
+1,1,4,8,1
+1,1,4,9,1
+1,1,5,0,1
+1,1,5,1,1
+1,1,5,2,1
+1,1,5,3,1
+1,1,5,4,1
+1,1,5,5,1
+1,1,5,6,1
+1,1,5,7,1
+1,1,5,8,1
+1,1,5,9,1
+1,1,6,0,1
+1,1,6,1,1
+1,1,6,2,1
+1,1,6,3,1
+1,1,6,4,1
+1,1,6,5,1
+1,1,6,6,1
+1,1,6,7,1
+1,1,6,8,1
+1,1,6,9,1
+1,1,7,0,1
+1,1,7,1,1
+1,1,7,2,1
+1,1,7,3,1
+1,1,7,4,1
+1,1,7,5,1
+1,1,7,6,1
+1,1,7,7,1
+1,1,7,8,1
+1,1,7,9,1
+1,1,8,0,1
+1,1,8,1,1
+1,1,8,2,1
+1,1,8,3,1
+1,1,8,4,1
+1,1,8,5,1
+1,1,8,6,1
+1,1,8,7,1
+1,1,8,8,1
+1,1,8,9,1
+1,1,9,0,1
+1,1,9,1,1
+1,1,9,2,1
+1,1,9,3,1
+1,1,9,4,1
+1,1,9,5,1
+1,1,9,6,1
+1,1,9,7,1
+1,1,9,8,1
+1,1,9,9,1
+1,1,10,0,1
+1,1,10,1,1
+1,1,10,2,1
+1,1,10,3,1
+1,1,10,4,1
+1,1,10,5,1
+1,1,10,6,1
+1,1,10,7,1
+1,1,10,8,1
+1,1,10,9,1
+1,1,11,0,1
+1,1,11,1,1
+1,1,11,2,1
+1,1,11,3,1
+1,1,11,4,1
+1,1,11,5,1
+1,1,11,6,1
+1,1,11,7,1
+1,1,11,8,1
+1,1,11,9,1
+1,1,12,0,1
+1,1,12,1,1
+1,1,12,2,1
+1,1,12,3,1
+1,1,12,4,1
+1,1,12,5,1
+1,1,12,6,1
+1,1,12,7,1
+1,1,12,8,1
+1,1,12,9,1
+1,1,13,0,1
+1,1,13,1,1
+1,1,13,2,1
+1,1,13,3,1
+1,1,13,4,1
+1,1,13,5,1
+1,1,13,6,1
+1,1,13,7,1
+1,1,13,8,1
+1,1,13,9,1
+1,1,14,0,1
+1,1,14,1,1
+1,1,14,2,1
+1,1,14,3,1
+1,1,14,4,1
+1,1,14,5,1
+1,1,14,6,1
+1,1,14,7,1
+1,1,14,8,1
+1,1,14,9,1
+1,1,15,0,1
+1,1,15,1,1
+1,1,15,2,1
+1,1,15,3,1
+1,1,15,4,1
+1,1,15,5,1
+1,1,15,6,1
+1,1,15,7,1
+1,1,15,8,1
+1,1,15,9,1
+1,1,16,0,1
+1,1,16,1,1
+1,1,16,2,1
+1,1,16,3,1
+1,1,16,4,1
+1,1,16,5,1
+1,1,16,6,1
+1,1,16,7,1
+1,1,16,8,1
+1,1,16,9,1
+1,1,17,0,1
+1,1,17,1,1
+1,1,17,2,1
+1,1,17,3,1
+1,1,17,4,1
+1,1,17,5,1
+1,1,17,6,1
+1,1,17,7,1
+1,1,17,8,1
+1,1,17,9,1
+1,1,18,0,1
+1,1,18,1,1
+1,1,18,2,1
+1,1,18,3,1
+1,1,18,4,1
+1,1,18,5,1
+1,1,18,6,1
+1,1,18,7,1
+1,1,18,8,1
+1,1,18,9,1
+1,1,19,0,1
+1,1,19,1,1
+1,1,19,2,1
+1,1,19,3,1
+1,1,19,4,1
+1,1,19,5,1
+1,1,19,6,1
+1,1,19,7,1
+1,1,19,8,1
+1,1,19,9,1
+1,1,20,0,1
+1,1,20,1,1
+1,1,20,2,1
+1,1,20,3,1
+1,1,20,4,1
+1,1,20,5,1
+1,1,20,6,1
+1,1,20,7,1
+1,1,20,8,1
+1,1,20,9,1
+1,1,21,0,1
+1,1,21,1,1
+1,1,21,2,1
+1,1,21,3,1
+1,1,21,4,1
+1,1,21,5,1
+1,1,21,6,1
+1,1,21,7,1
+1,1,21,8,1
+1,1,21,9,1
+1,1,22,0,1
+1,1,22,1,1
+1,1,22,2,1
+1,1,22,3,1
+1,1,22,4,1
+1,1,22,5,1
+1,1,22,6,1
+1,1,22,7,1
+1,1,22,8,1
+1,1,22,9,1
+1,1,23,0,1
+1,1,23,1,1
+1,1,23,2,1
+1,1,23,3,1
+1,1,23,4,1
+1,1,23,5,1
+1,1,23,6,1
+1,1,23,7,1
+1,1,23,8,1
+1,1,23,9,1
+1,1,24,0,1
+1,1,24,1,1
+1,1,24,2,1
+1,1,24,3,1
+1,1,24,4,1
+1,1,24,5,1
+1,1,24,6,1
+1,1,24,7,1
+1,1,24,8,1
+1,1,24,9,1
+1,1,25,0,1
+1,1,25,1,1
+1,1,25,2,1
+1,1,25,3,1
+1,1,25,4,1
+1,1,25,5,1
+1,1,25,6,1
+1,1,25,7,1
+1,1,25,8,1
+1,1,25,9,1
+1,1,26,0,1
+1,1,26,1,1
+1,1,26,2,1
+1,1,26,3,1
+1,1,26,4,1
+1,1,26,5,1
+1,1,26,6,1
+1,1,26,7,1
+1,1,26,8,1
+1,1,26,9,1
+1,1,27,0,1
+1,1,27,1,1
+1,1,27,2,1
+1,1,27,3,1
+1,1,27,4,1
+1,1,27,5,1
+1,1,27,6,1
+1,1,27,7,1
+1,1,27,8,1
+1,1,27,9,1
+1,1,28,0,1
+1,1,28,1,1
+1,1,28,2,1
+1,1,28,3,1
+1,1,28,4,1
+1,1,28,5,1
+1,1,28,6,1
+1,1,28,7,1
+1,1,28,8,1
+1,1,28,9,1
+1,1,29,0,1
+1,1,29,1,1
+1,1,29,2,1
+1,1,29,3,1
+1,1,29,4,1
+1,1,29,5,1
+1,1,29,6,1
+1,1,29,7,1
+1,1,29,8,1
+1,1,29,9,1
+1,1,30,0,1
+1,1,30,1,1
+1,1,30,2,1
+1,1,30,3,1
+1,1,30,4,1
+1,1,30,5,1
+1,1,30,6,1
+1,1,30,7,1
+1,1,30,8,1
+1,1,30,9,1
+1,1,31,0,1
+1,1,31,1,1
+1,1,31,2,1
+1,1,31,3,1
+1,1,31,4,1
+1,1,31,5,1
+1,1,31,6,1
+1,1,31,7,1
+1,1,31,8,1
+1,1,31,9,1
+1,1,32,0,1
+1,1,32,1,1
+1,1,32,2,1
+1,1,32,3,1
+1,1,32,4,1
+1,1,32,5,1
+1,1,32,6,1
+1,1,32,7,1
+1,1,32,8,1
+1,1,32,9,1
+1,1,33,0,1
+1,1,33,1,1
+1,1,33,2,1
+1,1,33,3,1
+1,1,33,4,1
+1,1,33,5,1
+1,1,33,6,1
+1,1,33,7,1
+1,1,33,8,1
+1,1,33,9,1
+1,1,34,0,1
+1,1,34,1,1
+1,1,34,2,1
+1,1,34,3,1
+1,1,34,4,1
+1,1,34,5,1
+1,1,34,6,1
+1,1,34,7,1
+1,1,34,8,1
+1,1,34,9,1
+1,1,35,0,1
+1,1,35,1,1
+1,1,35,2,1
+1,1,35,3,1
+1,1,35,4,1
+1,1,35,5,1
+1,1,35,6,1
+1,1,35,7,1
+1,1,35,8,1
+1,1,35,9,1
+1,1,36,0,1
+1,1,36,1,1
+1,1,36,2,1
+1,1,36,3,1
+1,1,36,4,1
+1,1,36,5,1
+1,1,36,6,1
+1,1,36,7,1
+1,1,36,8,1
+1,1,36,9,1
+1,1,37,0,1
+1,1,37,1,1
+1,1,37,2,1
+1,1,37,3,1
+1,1,37,4,1
+1,1,37,5,1
+1,1,37,6,1
+1,1,37,7,1
+1,1,37,8,1
+1,1,37,9,1
+1,1,38,0,1
+1,1,38,1,1
+1,1,38,2,1
+1,1,38,3,1
+1,1,38,4,1
+1,1,38,5,1
+1,1,38,6,1
+1,1,38,7,1
+1,1,38,8,1
+1,1,38,9,1
+1,1,39,0,1
+1,1,39,1,1
+1,1,39,2,1
+1,1,39,3,1
+1,1,39,4,1
+1,1,39,5,1
+1,1,39,6,1
+1,1,39,7,1
+1,1,39,8,1
+1,1,39,9,1
+1,1,40,0,1
+1,1,40,1,1
+1,1,40,2,1
+1,1,40,3,1
+1,1,40,4,1
+1,1,40,5,1
+1,1,40,6,1
+1,1,40,7,1
+1,1,40,8,1
+1,1,40,9,1
+1,1,41,0,1
+1,1,41,1,1
+1,1,41,2,1
+1,1,41,3,1
+1,1,41,4,1
+1,1,41,5,1
+1,1,41,6,1
+1,1,41,7,1
+1,1,41,8,1
+1,1,41,9,1
+1,1,42,0,1
+1,1,42,1,1
+1,1,42,2,1
+1,1,42,3,1
+1,1,42,4,1
+1,1,42,5,1
+1,1,42,6,1
+1,1,42,7,1
+1,1,42,8,1
+1,1,42,9,1
+1,1,43,0,1
+1,1,43,1,1
+1,1,43,2,1
+1,1,43,3,1
+1,1,43,4,1
+1,1,43,5,1
+1,1,43,6,1
+1,1,43,7,1
+1,1,43,8,1
+1,1,43,9,1
+1,1,44,0,1
+1,1,44,1,1
+1,1,44,2,1
+1,1,44,3,1
+1,1,44,4,1
+1,1,44,5,1
+1,1,44,6,1
+1,1,44,7,1
+1,1,44,8,1
+1,1,44,9,1
+1,1,45,0,1
+1,1,45,1,1
+1,1,45,2,1
+1,1,45,3,1
+1,1,45,4,1
+1,1,45,5,1
+1,1,45,6,1
+1,1,45,7,1
+1,1,45,8,1
+1,1,45,9,1
+1,1,46,0,1
+1,1,46,1,1
+1,1,46,2,1
+1,1,46,3,1
+1,1,46,4,1
+1,1,46,5,1
+1,1,46,6,1
+1,1,46,7,1
+1,1,46,8,1
+1,1,46,9,1
+1,1,47,0,1
+1,1,47,1,1
+1,1,47,2,1
+1,1,47,3,1
+1,1,47,4,1
+1,1,47,5,1
+1,1,47,6,1
+1,1,47,7,1
+1,1,47,8,1
+1,1,47,9,1
+1,1,48,0,1
+1,1,48,1,1
+1,1,48,2,1
+1,1,48,3,1
+1,1,48,4,1
+1,1,48,5,1
+1,1,48,6,1
+1,1,48,7,1
+1,1,48,8,1
+1,1,48,9,1
+1,1,49,0,1
+1,1,49,1,1
+1,1,49,2,1
+1,1,49,3,1
+1,1,49,4,1
+1,1,49,5,1
+1,1,49,6,1
+1,1,49,7,1
+1,1,49,8,1
+1,1,49,9,1
+1,1,50,0,1
+1,1,50,1,1
+1,1,50,2,1
+1,1,50,3,1
+1,1,50,4,1
+1,1,50,5,1
+1,1,50,6,1
+1,1,50,7,1
+1,1,50,8,1
+1,1,50,9,1
+1,1,51,0,1
+1,1,51,1,1
+1,1,51,2,1
+1,1,51,3,1
+1,1,51,4,1
+1,1,51,5,1
+1,1,51,6,1
+1,1,51,7,1
+1,1,51,8,1
+1,1,51,9,1
+1,1,52,0,1
+1,1,52,1,1
+1,1,52,2,1
+1,1,52,3,1
+1,1,52,4,1
+1,1,52,5,1
+1,1,52,6,1
+1,1,52,7,1
+1,1,52,8,1
+1,1,52,9,1
+1,1,53,0,1
+1,1,53,1,1
+1,1,53,2,1
+1,1,53,3,1
+1,1,53,4,1
+1,1,53,5,1
+1,1,53,6,1
+1,1,53,7,1
+1,1,53,8,1
+1,1,53,9,1
+1,1,54,0,1
+1,1,54,1,1
+1,1,54,2,1
+1,1,54,3,1
+1,1,54,4,1
+1,1,54,5,1
+1,1,54,6,1
+1,1,54,7,1
+1,1,54,8,1
+1,1,54,9,1
+1,1,55,0,1
+1,1,55,1,1
+1,1,55,2,1
+1,1,55,3,1
+1,1,55,4,1
+1,1,55,5,1
+1,1,55,6,1
+1,1,55,7,1
+1,1,55,8,1
+1,1,55,9,1
+1,1,56,0,1
+1,1,56,1,1
+1,1,56,2,1
+1,1,56,3,1
+1,1,56,4,1
+1,1,56,5,1
+1,1,56,6,1
+1,1,56,7,1
+1,1,56,8,1
+1,1,56,9,1
+1,1,57,0,1
+1,1,57,1,1
+1,1,57,2,1
+1,1,57,3,1
+1,1,57,4,1
+1,1,57,5,1
+1,1,57,6,1
+1,1,57,7,1
+1,1,57,8,1
+1,1,57,9,1
+1,1,58,0,1
+1,1,58,1,1
+1,1,58,2,1
+1,1,58,3,1
+1,1,58,4,1
+1,1,58,5,1
+1,1,58,6,1
+1,1,58,7,1
+1,1,58,8,1
+1,1,58,9,1
+1,1,59,0,1
+1,1,59,1,1
+1,1,59,2,1
+1,1,59,3,1
+1,1,59,4,1
+1,1,59,5,1
+1,1,59,6,1
+1,1,59,7,1
+1,1,59,8,1
+1,1,59,9,1
+1,1,60,0,1
+1,1,60,1,1
+1,1,60,2,1
+1,1,60,3,1
+1,1,60,4,1
+1,1,60,5,1
+1,1,60,6,1
+1,1,60,7,1
+1,1,60,8,1
+1,1,60,9,1
+1,1,61,0,1
+1,1,61,1,1
+1,1,61,2,1
+1,1,61,3,1
+1,1,61,4,1
+1,1,61,5,1
+1,1,61,6,1
+1,1,61,7,1
+1,1,61,8,1
+1,1,61,9,1
+1,1,62,0,1
+1,1,62,1,1
+1,1,62,2,1
+1,1,62,3,1
+1,1,62,4,1
+1,1,62,5,1
+1,1,62,6,1
+1,1,62,7,1
+1,1,62,8,1
+1,1,62,9,1
+1,1,63,0,1
+1,1,63,1,1
+1,1,63,2,1
+1,1,63,3,1
+1,1,63,4,1
+1,1,63,5,1
+1,1,63,6,1
+1,1,63,7,1
+1,1,63,8,1
+1,1,63,9,1
+1,1,64,0,1
+1,1,64,1,1
+1,1,64,2,1
+1,1,64,3,1
+1,1,64,4,1
+1,1,64,5,1
+1,1,64,6,1
+1,1,64,7,1
+1,1,64,8,1
+1,1,64,9,1
+1,1,65,0,1
+1,1,65,1,1
+1,1,65,2,1
+1,1,65,3,1
+1,1,65,4,1
+1,1,65,5,1
+1,1,65,6,1
+1,1,65,7,1
+1,1,65,8,1
+1,1,65,9,1
+1,1,66,0,1
+1,1,66,1,1
+1,1,66,2,1
+1,1,66,3,1
+1,1,66,4,1
+1,1,66,5,1
+1,1,66,6,1
+1,1,66,7,1
+1,1,66,8,1
+1,1,66,9,1
+1,1,67,0,1
+1,1,67,1,1
+1,1,67,2,1
+1,1,67,3,1
+1,1,67,4,1
+1,1,67,5,1
+1,1,67,6,1
+1,1,67,7,1
+1,1,67,8,1
+1,1,67,9,1
+1,1,68,0,1
+1,1,68,1,1
+1,1,68,2,1
+1,1,68,3,1
+1,1,68,4,1
+1,1,68,5,1
+1,1,68,6,1
+1,1,68,7,1
+1,1,68,8,1
+1,1,68,9,1
+1,1,69,0,1
+1,1,69,1,1
+1,1,69,2,1
+1,1,69,3,1
+1,1,69,4,1
+1,1,69,5,1
+1,1,69,6,1
+1,1,69,7,1
+1,1,69,8,1
+1,1,69,9,1
+1,1,70,0,1
+1,1,70,1,1
+1,1,70,2,1
+1,1,70,3,1
+1,1,70,4,1
+1,1,70,5,1
+1,1,70,6,1
+1,1,70,7,1
+1,1,70,8,1
+1,1,70,9,1
+1,1,71,0,1
+1,1,71,1,1
+1,1,71,2,1
+1,1,71,3,1
+1,1,71,4,1
+1,1,71,5,1
+1,1,71,6,1
+1,1,71,7,1
+1,1,71,8,1
+1,1,71,9,1
+1,1,72,0,1
+1,1,72,1,1
+1,1,72,2,1
+1,1,72,3,1
+1,1,72,4,1
+1,1,72,5,1
+1,1,72,6,1
+1,1,72,7,1
+1,1,72,8,1
+1,1,72,9,1
+1,1,73,0,1
+1,1,73,1,1
+1,1,73,2,1
+1,1,73,3,1
+1,1,73,4,1
+1,1,73,5,1
+1,1,73,6,1
+1,1,73,7,1
+1,1,73,8,1
+1,1,73,9,1
+1,1,74,0,1
+1,1,74,1,1
+1,1,74,2,1
+1,1,74,3,1
+1,1,74,4,1
+1,1,74,5,1
+1,1,74,6,1
+1,1,74,7,1
+1,1,74,8,1
+1,1,74,9,1
+1,1,75,0,1
+1,1,75,1,1
+1,1,75,2,1
+1,1,75,3,1
+1,1,75,4,1
+1,1,75,5,1
+1,1,75,6,1
+1,1,75,7,1
+1,1,75,8,1
+1,1,75,9,1
+1,1,76,0,1
+1,1,76,1,1
+1,1,76,2,1
+1,1,76,3,1
+1,1,76,4,1
+1,1,76,5,1
+1,1,76,6,1
+1,1,76,7,1
+1,1,76,8,1
+1,1,76,9,1
+1,1,77,0,1
+1,1,77,1,1
+1,1,77,2,1
+1,1,77,3,1
+1,1,77,4,1
+1,1,77,5,1
+1,1,77,6,1
+1,1,77,7,1
+1,1,77,8,1
+1,1,77,9,1
+1,1,78,0,1
+1,1,78,1,1
+1,1,78,2,1
+1,1,78,3,1
+1,1,78,4,1
+1,1,78,5,1
+1,1,78,6,1
+1,1,78,7,1
+1,1,78,8,1
+1,1,78,9,1
+1,1,79,0,1
+1,1,79,1,1
+1,1,79,2,1
+1,1,79,3,1
+1,1,79,4,1
+1,1,79,5,1
+1,1,79,6,1
+1,1,79,7,1
+1,1,79,8,1
+1,1,79,9,1
+1,1,80,0,1
+1,1,80,1,1
+1,1,80,2,1
+1,1,80,3,1
+1,1,80,4,1
+1,1,80,5,1
+1,1,80,6,1
+1,1,80,7,1
+1,1,80,8,1
+1,1,80,9,1
+1,1,81,0,1
+1,1,81,1,1
+1,1,81,2,1
+1,1,81,3,1
+1,1,81,4,1
+1,1,81,5,1
+1,1,81,6,1
+1,1,81,7,1
+1,1,81,8,1
+1,1,81,9,1
+1,1,82,0,1
+1,1,82,1,1
+1,1,82,2,1
+1,1,82,3,1
+1,1,82,4,1
+1,1,82,5,1
+1,1,82,6,1
+1,1,82,7,1
+1,1,82,8,1
+1,1,82,9,1
+1,1,83,0,1
+1,1,83,1,1
+1,1,83,2,1
+1,1,83,3,1
+1,1,83,4,1
+1,1,83,5,1
+1,1,83,6,1
+1,1,83,7,1
+1,1,83,8,1
+1,1,83,9,1
+1,1,84,0,1
+1,1,84,1,1
+1,1,84,2,1
+1,1,84,3,1
+1,1,84,4,1
+1,1,84,5,1
+1,1,84,6,1
+1,1,84,7,1
+1,1,84,8,1
+1,1,84,9,1
+1,1,85,0,1
+1,1,85,1,1
+1,1,85,2,1
+1,1,85,3,1
+1,1,85,4,1
+1,1,85,5,1
+1,1,85,6,1
+1,1,85,7,1
+1,1,85,8,1
+1,1,85,9,1
+1,1,86,0,1
+1,1,86,1,1
+1,1,86,2,1
+1,1,86,3,1
+1,1,86,4,1
+1,1,86,5,1
+1,1,86,6,1
+1,1,86,7,1
+1,1,86,8,1
+1,1,86,9,1
+1,1,87,0,1
+1,1,87,1,1
+1,1,87,2,1
+1,1,87,3,1
+1,1,87,4,1
+1,1,87,5,1
+1,1,87,6,1
+1,1,87,7,1
+1,1,87,8,1
+1,1,87,9,1
+1,1,88,0,1
+1,1,88,1,1
+1,1,88,2,1
+1,1,88,3,1
+1,1,88,4,1
+1,1,88,5,1
+1,1,88,6,1
+1,1,88,7,1
+1,1,88,8,1
+1,1,88,9,1
+1,1,89,0,1
+1,1,89,1,1
+1,1,89,2,1
+1,1,89,3,1
+1,1,89,4,1
+1,1,89,5,1
+1,1,89,6,1
+1,1,89,7,1
+1,1,89,8,1
+1,1,89,9,1
+1,1,90,0,1
+1,1,90,1,1
+1,1,90,2,1
+1,1,90,3,1
+1,1,90,4,1
+1,1,90,5,1
+1,1,90,6,1
+1,1,90,7,1
+1,1,90,8,1
+1,1,90,9,1
+1,1,91,0,1
+1,1,91,1,1
+1,1,91,2,1
+1,1,91,3,1
+1,1,91,4,1
+1,1,91,5,1
+1,1,91,6,1
+1,1,91,7,1
+1,1,91,8,1
+1,1,91,9,1
+1,1,92,0,1
+1,1,92,1,1
+1,1,92,2,1
+1,1,92,3,1
+1,1,92,4,1
+1,1,92,5,1
+1,1,92,6,1
+1,1,92,7,1
+1,1,92,8,1
+1,1,92,9,1
+1,1,93,0,1
+1,1,93,1,1
+1,1,93,2,1
+1,1,93,3,1
+1,1,93,4,1
+1,1,93,5,1
+1,1,93,6,1
+1,1,93,7,1
+1,1,93,8,1
+1,1,93,9,1
+1,1,94,0,1
+1,1,94,1,1
+1,1,94,2,1
+1,1,94,3,1
+1,1,94,4,1
+1,1,94,5,1
+1,1,94,6,1
+1,1,94,7,1
+1,1,94,8,1
+1,1,94,9,1
+1,1,95,0,1
+1,1,95,1,1
+1,1,95,2,1
+1,1,95,3,1
+1,1,95,4,1
+1,1,95,5,1
+1,1,95,6,1
+1,1,95,7,1
+1,1,95,8,1
+1,1,95,9,1
+1,1,96,0,1
+1,1,96,1,1
+1,1,96,2,1
+1,1,96,3,1
+1,1,96,4,1
+1,1,96,5,1
+1,1,96,6,1
+1,1,96,7,1
+1,1,96,8,1
+1,1,96,9,1
+1,1,97,0,1
+1,1,97,1,1
+1,1,97,2,1
+1,1,97,3,1
+1,1,97,4,1
+1,1,97,5,1
+1,1,97,6,1
+1,1,97,7,1
+1,1,97,8,1
+1,1,97,9,1
+1,1,98,0,1
+1,1,98,1,1
+1,1,98,2,1
+1,1,98,3,1
+1,1,98,4,1
+1,1,98,5,1
+1,1,98,6,1
+1,1,98,7,1
+1,1,98,8,1
+1,1,98,9,1
+1,1,99,0,1
+1,1,99,1,1
+1,1,99,2,1
+1,1,99,3,1
+1,1,99,4,1
+1,1,99,5,1
+1,1,99,6,1
+1,1,99,7,1
+1,1,99,8,1
+1,1,99,9,1
diff --git a/tests/procedures/resources/output/parallel_simulation/Result_AgentList2.csv b/tests/procedures/resources/output/parallel_simulation/Result_AgentList2.csv
index ba96531c..f605eb8d 100644
--- a/tests/procedures/resources/output/parallel_simulation/Result_AgentList2.csv
+++ b/tests/procedures/resources/output/parallel_simulation/Result_AgentList2.csv
@@ -1999,4006 +1999,6 @@ id_scenario,id_run,period,id,b
 0,0,99,17,1
 0,0,99,18,1
 0,0,99,19,1
-0,1,0,0,1
-0,1,0,1,1
-0,1,0,2,1
-0,1,0,3,1
-0,1,0,4,1
-0,1,0,5,1
-0,1,0,6,1
-0,1,0,7,1
-0,1,0,8,1
-0,1,0,9,1
-0,1,0,10,1
-0,1,0,11,1
-0,1,0,12,1
-0,1,0,13,1
-0,1,0,14,1
-0,1,0,15,1
-0,1,0,16,1
-0,1,0,17,1
-0,1,0,18,1
-0,1,0,19,1
-0,1,1,0,1
-0,1,1,1,1
-0,1,1,2,1
-0,1,1,3,1
-0,1,1,4,1
-0,1,1,5,1
-0,1,1,6,1
-0,1,1,7,1
-0,1,1,8,1
-0,1,1,9,1
-0,1,1,10,1
-0,1,1,11,1
-0,1,1,12,1
-0,1,1,13,1
-0,1,1,14,1
-0,1,1,15,1
-0,1,1,16,1
-0,1,1,17,1
-0,1,1,18,1
-0,1,1,19,1
-0,1,2,0,1
-0,1,2,1,1
-0,1,2,2,1
-0,1,2,3,1
-0,1,2,4,1
-0,1,2,5,1
-0,1,2,6,1
-0,1,2,7,1
-0,1,2,8,1
-0,1,2,9,1
-0,1,2,10,1
-0,1,2,11,1
-0,1,2,12,1
-0,1,2,13,1
-0,1,2,14,1
-0,1,2,15,1
-0,1,2,16,1
-0,1,2,17,1
-0,1,2,18,1
-0,1,2,19,1
-0,1,3,0,1
-0,1,3,1,1
-0,1,3,2,1
-0,1,3,3,1
-0,1,3,4,1
-0,1,3,5,1
-0,1,3,6,1
-0,1,3,7,1
-0,1,3,8,1
-0,1,3,9,1
-0,1,3,10,1
-0,1,3,11,1
-0,1,3,12,1
-0,1,3,13,1
-0,1,3,14,1
-0,1,3,15,1
-0,1,3,16,1
-0,1,3,17,1
-0,1,3,18,1
-0,1,3,19,1
-0,1,4,0,1
-0,1,4,1,1
-0,1,4,2,1
-0,1,4,3,1
-0,1,4,4,1
-0,1,4,5,1
-0,1,4,6,1
-0,1,4,7,1
-0,1,4,8,1
-0,1,4,9,1
-0,1,4,10,1
-0,1,4,11,1
-0,1,4,12,1
-0,1,4,13,1
-0,1,4,14,1
-0,1,4,15,1
-0,1,4,16,1
-0,1,4,17,1
-0,1,4,18,1
-0,1,4,19,1
-0,1,5,0,1
-0,1,5,1,1
-0,1,5,2,1
-0,1,5,3,1
-0,1,5,4,1
-0,1,5,5,1
-0,1,5,6,1
-0,1,5,7,1
-0,1,5,8,1
-0,1,5,9,1
-0,1,5,10,1
-0,1,5,11,1
-0,1,5,12,1
-0,1,5,13,1
-0,1,5,14,1
-0,1,5,15,1
-0,1,5,16,1
-0,1,5,17,1
-0,1,5,18,1
-0,1,5,19,1
-0,1,6,0,1
-0,1,6,1,1
-0,1,6,2,1
-0,1,6,3,1
-0,1,6,4,1
-0,1,6,5,1
-0,1,6,6,1
-0,1,6,7,1
-0,1,6,8,1
-0,1,6,9,1
-0,1,6,10,1
-0,1,6,11,1
-0,1,6,12,1
-0,1,6,13,1
-0,1,6,14,1
-0,1,6,15,1
-0,1,6,16,1
-0,1,6,17,1
-0,1,6,18,1
-0,1,6,19,1
-0,1,7,0,1
-0,1,7,1,1
-0,1,7,2,1
-0,1,7,3,1
-0,1,7,4,1
-0,1,7,5,1
-0,1,7,6,1
-0,1,7,7,1
-0,1,7,8,1
-0,1,7,9,1
-0,1,7,10,1
-0,1,7,11,1
-0,1,7,12,1
-0,1,7,13,1
-0,1,7,14,1
-0,1,7,15,1
-0,1,7,16,1
-0,1,7,17,1
-0,1,7,18,1
-0,1,7,19,1
-0,1,8,0,1
-0,1,8,1,1
-0,1,8,2,1
-0,1,8,3,1
-0,1,8,4,1
-0,1,8,5,1
-0,1,8,6,1
-0,1,8,7,1
-0,1,8,8,1
-0,1,8,9,1
-0,1,8,10,1
-0,1,8,11,1
-0,1,8,12,1
-0,1,8,13,1
-0,1,8,14,1
-0,1,8,15,1
-0,1,8,16,1
-0,1,8,17,1
-0,1,8,18,1
-0,1,8,19,1
-0,1,9,0,1
-0,1,9,1,1
-0,1,9,2,1
-0,1,9,3,1
-0,1,9,4,1
-0,1,9,5,1
-0,1,9,6,1
-0,1,9,7,1
-0,1,9,8,1
-0,1,9,9,1
-0,1,9,10,1
-0,1,9,11,1
-0,1,9,12,1
-0,1,9,13,1
-0,1,9,14,1
-0,1,9,15,1
-0,1,9,16,1
-0,1,9,17,1
-0,1,9,18,1
-0,1,9,19,1
-0,1,10,0,1
-0,1,10,1,1
-0,1,10,2,1
-0,1,10,3,1
-0,1,10,4,1
-0,1,10,5,1
-0,1,10,6,1
-0,1,10,7,1
-0,1,10,8,1
-0,1,10,9,1
-0,1,10,10,1
-0,1,10,11,1
-0,1,10,12,1
-0,1,10,13,1
-0,1,10,14,1
-0,1,10,15,1
-0,1,10,16,1
-0,1,10,17,1
-0,1,10,18,1
-0,1,10,19,1
-0,1,11,0,1
-0,1,11,1,1
-0,1,11,2,1
-0,1,11,3,1
-0,1,11,4,1
-0,1,11,5,1
-0,1,11,6,1
-0,1,11,7,1
-0,1,11,8,1
-0,1,11,9,1
-0,1,11,10,1
-0,1,11,11,1
-0,1,11,12,1
-0,1,11,13,1
-0,1,11,14,1
-0,1,11,15,1
-0,1,11,16,1
-0,1,11,17,1
-0,1,11,18,1
-0,1,11,19,1
-0,1,12,0,1
-0,1,12,1,1
-0,1,12,2,1
-0,1,12,3,1
-0,1,12,4,1
-0,1,12,5,1
-0,1,12,6,1
-0,1,12,7,1
-0,1,12,8,1
-0,1,12,9,1
-0,1,12,10,1
-0,1,12,11,1
-0,1,12,12,1
-0,1,12,13,1
-0,1,12,14,1
-0,1,12,15,1
-0,1,12,16,1
-0,1,12,17,1
-0,1,12,18,1
-0,1,12,19,1
-0,1,13,0,1
-0,1,13,1,1
-0,1,13,2,1
-0,1,13,3,1
-0,1,13,4,1
-0,1,13,5,1
-0,1,13,6,1
-0,1,13,7,1
-0,1,13,8,1
-0,1,13,9,1
-0,1,13,10,1
-0,1,13,11,1
-0,1,13,12,1
-0,1,13,13,1
-0,1,13,14,1
-0,1,13,15,1
-0,1,13,16,1
-0,1,13,17,1
-0,1,13,18,1
-0,1,13,19,1
-0,1,14,0,1
-0,1,14,1,1
-0,1,14,2,1
-0,1,14,3,1
-0,1,14,4,1
-0,1,14,5,1
-0,1,14,6,1
-0,1,14,7,1
-0,1,14,8,1
-0,1,14,9,1
-0,1,14,10,1
-0,1,14,11,1
-0,1,14,12,1
-0,1,14,13,1
-0,1,14,14,1
-0,1,14,15,1
-0,1,14,16,1
-0,1,14,17,1
-0,1,14,18,1
-0,1,14,19,1
-0,1,15,0,1
-0,1,15,1,1
-0,1,15,2,1
-0,1,15,3,1
-0,1,15,4,1
-0,1,15,5,1
-0,1,15,6,1
-0,1,15,7,1
-0,1,15,8,1
-0,1,15,9,1
-0,1,15,10,1
-0,1,15,11,1
-0,1,15,12,1
-0,1,15,13,1
-0,1,15,14,1
-0,1,15,15,1
-0,1,15,16,1
-0,1,15,17,1
-0,1,15,18,1
-0,1,15,19,1
-0,1,16,0,1
-0,1,16,1,1
-0,1,16,2,1
-0,1,16,3,1
-0,1,16,4,1
-0,1,16,5,1
-0,1,16,6,1
-0,1,16,7,1
-0,1,16,8,1
-0,1,16,9,1
-0,1,16,10,1
-0,1,16,11,1
-0,1,16,12,1
-0,1,16,13,1
-0,1,16,14,1
-0,1,16,15,1
-0,1,16,16,1
-0,1,16,17,1
-0,1,16,18,1
-0,1,16,19,1
-0,1,17,0,1
-0,1,17,1,1
-0,1,17,2,1
-0,1,17,3,1
-0,1,17,4,1
-0,1,17,5,1
-0,1,17,6,1
-0,1,17,7,1
-0,1,17,8,1
-0,1,17,9,1
-0,1,17,10,1
-0,1,17,11,1
-0,1,17,12,1
-0,1,17,13,1
-0,1,17,14,1
-0,1,17,15,1
-0,1,17,16,1
-0,1,17,17,1
-0,1,17,18,1
-0,1,17,19,1
-0,1,18,0,1
-0,1,18,1,1
-0,1,18,2,1
-0,1,18,3,1
-0,1,18,4,1
-0,1,18,5,1
-0,1,18,6,1
-0,1,18,7,1
-0,1,18,8,1
-0,1,18,9,1
-0,1,18,10,1
-0,1,18,11,1
-0,1,18,12,1
-0,1,18,13,1
-0,1,18,14,1
-0,1,18,15,1
-0,1,18,16,1
-0,1,18,17,1
-0,1,18,18,1
-0,1,18,19,1
-0,1,19,0,1
-0,1,19,1,1
-0,1,19,2,1
-0,1,19,3,1
-0,1,19,4,1
-0,1,19,5,1
-0,1,19,6,1
-0,1,19,7,1
-0,1,19,8,1
-0,1,19,9,1
-0,1,19,10,1
-0,1,19,11,1
-0,1,19,12,1
-0,1,19,13,1
-0,1,19,14,1
-0,1,19,15,1
-0,1,19,16,1
-0,1,19,17,1
-0,1,19,18,1
-0,1,19,19,1
-0,1,20,0,1
-0,1,20,1,1
-0,1,20,2,1
-0,1,20,3,1
-0,1,20,4,1
-0,1,20,5,1
-0,1,20,6,1
-0,1,20,7,1
-0,1,20,8,1
-0,1,20,9,1
-0,1,20,10,1
-0,1,20,11,1
-0,1,20,12,1
-0,1,20,13,1
-0,1,20,14,1
-0,1,20,15,1
-0,1,20,16,1
-0,1,20,17,1
-0,1,20,18,1
-0,1,20,19,1
-0,1,21,0,1
-0,1,21,1,1
-0,1,21,2,1
-0,1,21,3,1
-0,1,21,4,1
-0,1,21,5,1
-0,1,21,6,1
-0,1,21,7,1
-0,1,21,8,1
-0,1,21,9,1
-0,1,21,10,1
-0,1,21,11,1
-0,1,21,12,1
-0,1,21,13,1
-0,1,21,14,1
-0,1,21,15,1
-0,1,21,16,1
-0,1,21,17,1
-0,1,21,18,1
-0,1,21,19,1
-0,1,22,0,1
-0,1,22,1,1
-0,1,22,2,1
-0,1,22,3,1
-0,1,22,4,1
-0,1,22,5,1
-0,1,22,6,1
-0,1,22,7,1
-0,1,22,8,1
-0,1,22,9,1
-0,1,22,10,1
-0,1,22,11,1
-0,1,22,12,1
-0,1,22,13,1
-0,1,22,14,1
-0,1,22,15,1
-0,1,22,16,1
-0,1,22,17,1
-0,1,22,18,1
-0,1,22,19,1
-0,1,23,0,1
-0,1,23,1,1
-0,1,23,2,1
-0,1,23,3,1
-0,1,23,4,1
-0,1,23,5,1
-0,1,23,6,1
-0,1,23,7,1
-0,1,23,8,1
-0,1,23,9,1
-0,1,23,10,1
-0,1,23,11,1
-0,1,23,12,1
-0,1,23,13,1
-0,1,23,14,1
-0,1,23,15,1
-0,1,23,16,1
-0,1,23,17,1
-0,1,23,18,1
-0,1,23,19,1
-0,1,24,0,1
-0,1,24,1,1
-0,1,24,2,1
-0,1,24,3,1
-0,1,24,4,1
-0,1,24,5,1
-0,1,24,6,1
-0,1,24,7,1
-0,1,24,8,1
-0,1,24,9,1
-0,1,24,10,1
-0,1,24,11,1
-0,1,24,12,1
-0,1,24,13,1
-0,1,24,14,1
-0,1,24,15,1
-0,1,24,16,1
-0,1,24,17,1
-0,1,24,18,1
-0,1,24,19,1
-0,1,25,0,1
-0,1,25,1,1
-0,1,25,2,1
-0,1,25,3,1
-0,1,25,4,1
-0,1,25,5,1
-0,1,25,6,1
-0,1,25,7,1
-0,1,25,8,1
-0,1,25,9,1
-0,1,25,10,1
-0,1,25,11,1
-0,1,25,12,1
-0,1,25,13,1
-0,1,25,14,1
-0,1,25,15,1
-0,1,25,16,1
-0,1,25,17,1
-0,1,25,18,1
-0,1,25,19,1
-0,1,26,0,1
-0,1,26,1,1
-0,1,26,2,1
-0,1,26,3,1
-0,1,26,4,1
-0,1,26,5,1
-0,1,26,6,1
-0,1,26,7,1
-0,1,26,8,1
-0,1,26,9,1
-0,1,26,10,1
-0,1,26,11,1
-0,1,26,12,1
-0,1,26,13,1
-0,1,26,14,1
-0,1,26,15,1
-0,1,26,16,1
-0,1,26,17,1
-0,1,26,18,1
-0,1,26,19,1
-0,1,27,0,1
-0,1,27,1,1
-0,1,27,2,1
-0,1,27,3,1
-0,1,27,4,1
-0,1,27,5,1
-0,1,27,6,1
-0,1,27,7,1
-0,1,27,8,1
-0,1,27,9,1
-0,1,27,10,1
-0,1,27,11,1
-0,1,27,12,1
-0,1,27,13,1
-0,1,27,14,1
-0,1,27,15,1
-0,1,27,16,1
-0,1,27,17,1
-0,1,27,18,1
-0,1,27,19,1
-0,1,28,0,1
-0,1,28,1,1
-0,1,28,2,1
-0,1,28,3,1
-0,1,28,4,1
-0,1,28,5,1
-0,1,28,6,1
-0,1,28,7,1
-0,1,28,8,1
-0,1,28,9,1
-0,1,28,10,1
-0,1,28,11,1
-0,1,28,12,1
-0,1,28,13,1
-0,1,28,14,1
-0,1,28,15,1
-0,1,28,16,1
-0,1,28,17,1
-0,1,28,18,1
-0,1,28,19,1
-0,1,29,0,1
-0,1,29,1,1
-0,1,29,2,1
-0,1,29,3,1
-0,1,29,4,1
-0,1,29,5,1
-0,1,29,6,1
-0,1,29,7,1
-0,1,29,8,1
-0,1,29,9,1
-0,1,29,10,1
-0,1,29,11,1
-0,1,29,12,1
-0,1,29,13,1
-0,1,29,14,1
-0,1,29,15,1
-0,1,29,16,1
-0,1,29,17,1
-0,1,29,18,1
-0,1,29,19,1
-0,1,30,0,1
-0,1,30,1,1
-0,1,30,2,1
-0,1,30,3,1
-0,1,30,4,1
-0,1,30,5,1
-0,1,30,6,1
-0,1,30,7,1
-0,1,30,8,1
-0,1,30,9,1
-0,1,30,10,1
-0,1,30,11,1
-0,1,30,12,1
-0,1,30,13,1
-0,1,30,14,1
-0,1,30,15,1
-0,1,30,16,1
-0,1,30,17,1
-0,1,30,18,1
-0,1,30,19,1
-0,1,31,0,1
-0,1,31,1,1
-0,1,31,2,1
-0,1,31,3,1
-0,1,31,4,1
-0,1,31,5,1
-0,1,31,6,1
-0,1,31,7,1
-0,1,31,8,1
-0,1,31,9,1
-0,1,31,10,1
-0,1,31,11,1
-0,1,31,12,1
-0,1,31,13,1
-0,1,31,14,1
-0,1,31,15,1
-0,1,31,16,1
-0,1,31,17,1
-0,1,31,18,1
-0,1,31,19,1
-0,1,32,0,1
-0,1,32,1,1
-0,1,32,2,1
-0,1,32,3,1
-0,1,32,4,1
-0,1,32,5,1
-0,1,32,6,1
-0,1,32,7,1
-0,1,32,8,1
-0,1,32,9,1
-0,1,32,10,1
-0,1,32,11,1
-0,1,32,12,1
-0,1,32,13,1
-0,1,32,14,1
-0,1,32,15,1
-0,1,32,16,1
-0,1,32,17,1
-0,1,32,18,1
-0,1,32,19,1
-0,1,33,0,1
-0,1,33,1,1
-0,1,33,2,1
-0,1,33,3,1
-0,1,33,4,1
-0,1,33,5,1
-0,1,33,6,1
-0,1,33,7,1
-0,1,33,8,1
-0,1,33,9,1
-0,1,33,10,1
-0,1,33,11,1
-0,1,33,12,1
-0,1,33,13,1
-0,1,33,14,1
-0,1,33,15,1
-0,1,33,16,1
-0,1,33,17,1
-0,1,33,18,1
-0,1,33,19,1
-0,1,34,0,1
-0,1,34,1,1
-0,1,34,2,1
-0,1,34,3,1
-0,1,34,4,1
-0,1,34,5,1
-0,1,34,6,1
-0,1,34,7,1
-0,1,34,8,1
-0,1,34,9,1
-0,1,34,10,1
-0,1,34,11,1
-0,1,34,12,1
-0,1,34,13,1
-0,1,34,14,1
-0,1,34,15,1
-0,1,34,16,1
-0,1,34,17,1
-0,1,34,18,1
-0,1,34,19,1
-0,1,35,0,1
-0,1,35,1,1
-0,1,35,2,1
-0,1,35,3,1
-0,1,35,4,1
-0,1,35,5,1
-0,1,35,6,1
-0,1,35,7,1
-0,1,35,8,1
-0,1,35,9,1
-0,1,35,10,1
-0,1,35,11,1
-0,1,35,12,1
-0,1,35,13,1
-0,1,35,14,1
-0,1,35,15,1
-0,1,35,16,1
-0,1,35,17,1
-0,1,35,18,1
-0,1,35,19,1
-0,1,36,0,1
-0,1,36,1,1
-0,1,36,2,1
-0,1,36,3,1
-0,1,36,4,1
-0,1,36,5,1
-0,1,36,6,1
-0,1,36,7,1
-0,1,36,8,1
-0,1,36,9,1
-0,1,36,10,1
-0,1,36,11,1
-0,1,36,12,1
-0,1,36,13,1
-0,1,36,14,1
-0,1,36,15,1
-0,1,36,16,1
-0,1,36,17,1
-0,1,36,18,1
-0,1,36,19,1
-0,1,37,0,1
-0,1,37,1,1
-0,1,37,2,1
-0,1,37,3,1
-0,1,37,4,1
-0,1,37,5,1
-0,1,37,6,1
-0,1,37,7,1
-0,1,37,8,1
-0,1,37,9,1
-0,1,37,10,1
-0,1,37,11,1
-0,1,37,12,1
-0,1,37,13,1
-0,1,37,14,1
-0,1,37,15,1
-0,1,37,16,1
-0,1,37,17,1
-0,1,37,18,1
-0,1,37,19,1
-0,1,38,0,1
-0,1,38,1,1
-0,1,38,2,1
-0,1,38,3,1
-0,1,38,4,1
-0,1,38,5,1
-0,1,38,6,1
-0,1,38,7,1
-0,1,38,8,1
-0,1,38,9,1
-0,1,38,10,1
-0,1,38,11,1
-0,1,38,12,1
-0,1,38,13,1
-0,1,38,14,1
-0,1,38,15,1
-0,1,38,16,1
-0,1,38,17,1
-0,1,38,18,1
-0,1,38,19,1
-0,1,39,0,1
-0,1,39,1,1
-0,1,39,2,1
-0,1,39,3,1
-0,1,39,4,1
-0,1,39,5,1
-0,1,39,6,1
-0,1,39,7,1
-0,1,39,8,1
-0,1,39,9,1
-0,1,39,10,1
-0,1,39,11,1
-0,1,39,12,1
-0,1,39,13,1
-0,1,39,14,1
-0,1,39,15,1
-0,1,39,16,1
-0,1,39,17,1
-0,1,39,18,1
-0,1,39,19,1
-0,1,40,0,1
-0,1,40,1,1
-0,1,40,2,1
-0,1,40,3,1
-0,1,40,4,1
-0,1,40,5,1
-0,1,40,6,1
-0,1,40,7,1
-0,1,40,8,1
-0,1,40,9,1
-0,1,40,10,1
-0,1,40,11,1
-0,1,40,12,1
-0,1,40,13,1
-0,1,40,14,1
-0,1,40,15,1
-0,1,40,16,1
-0,1,40,17,1
-0,1,40,18,1
-0,1,40,19,1
-0,1,41,0,1
-0,1,41,1,1
-0,1,41,2,1
-0,1,41,3,1
-0,1,41,4,1
-0,1,41,5,1
-0,1,41,6,1
-0,1,41,7,1
-0,1,41,8,1
-0,1,41,9,1
-0,1,41,10,1
-0,1,41,11,1
-0,1,41,12,1
-0,1,41,13,1
-0,1,41,14,1
-0,1,41,15,1
-0,1,41,16,1
-0,1,41,17,1
-0,1,41,18,1
-0,1,41,19,1
-0,1,42,0,1
-0,1,42,1,1
-0,1,42,2,1
-0,1,42,3,1
-0,1,42,4,1
-0,1,42,5,1
-0,1,42,6,1
-0,1,42,7,1
-0,1,42,8,1
-0,1,42,9,1
-0,1,42,10,1
-0,1,42,11,1
-0,1,42,12,1
-0,1,42,13,1
-0,1,42,14,1
-0,1,42,15,1
-0,1,42,16,1
-0,1,42,17,1
-0,1,42,18,1
-0,1,42,19,1
-0,1,43,0,1
-0,1,43,1,1
-0,1,43,2,1
-0,1,43,3,1
-0,1,43,4,1
-0,1,43,5,1
-0,1,43,6,1
-0,1,43,7,1
-0,1,43,8,1
-0,1,43,9,1
-0,1,43,10,1
-0,1,43,11,1
-0,1,43,12,1
-0,1,43,13,1
-0,1,43,14,1
-0,1,43,15,1
-0,1,43,16,1
-0,1,43,17,1
-0,1,43,18,1
-0,1,43,19,1
-0,1,44,0,1
-0,1,44,1,1
-0,1,44,2,1
-0,1,44,3,1
-0,1,44,4,1
-0,1,44,5,1
-0,1,44,6,1
-0,1,44,7,1
-0,1,44,8,1
-0,1,44,9,1
-0,1,44,10,1
-0,1,44,11,1
-0,1,44,12,1
-0,1,44,13,1
-0,1,44,14,1
-0,1,44,15,1
-0,1,44,16,1
-0,1,44,17,1
-0,1,44,18,1
-0,1,44,19,1
-0,1,45,0,1
-0,1,45,1,1
-0,1,45,2,1
-0,1,45,3,1
-0,1,45,4,1
-0,1,45,5,1
-0,1,45,6,1
-0,1,45,7,1
-0,1,45,8,1
-0,1,45,9,1
-0,1,45,10,1
-0,1,45,11,1
-0,1,45,12,1
-0,1,45,13,1
-0,1,45,14,1
-0,1,45,15,1
-0,1,45,16,1
-0,1,45,17,1
-0,1,45,18,1
-0,1,45,19,1
-0,1,46,0,1
-0,1,46,1,1
-0,1,46,2,1
-0,1,46,3,1
-0,1,46,4,1
-0,1,46,5,1
-0,1,46,6,1
-0,1,46,7,1
-0,1,46,8,1
-0,1,46,9,1
-0,1,46,10,1
-0,1,46,11,1
-0,1,46,12,1
-0,1,46,13,1
-0,1,46,14,1
-0,1,46,15,1
-0,1,46,16,1
-0,1,46,17,1
-0,1,46,18,1
-0,1,46,19,1
-0,1,47,0,1
-0,1,47,1,1
-0,1,47,2,1
-0,1,47,3,1
-0,1,47,4,1
-0,1,47,5,1
-0,1,47,6,1
-0,1,47,7,1
-0,1,47,8,1
-0,1,47,9,1
-0,1,47,10,1
-0,1,47,11,1
-0,1,47,12,1
-0,1,47,13,1
-0,1,47,14,1
-0,1,47,15,1
-0,1,47,16,1
-0,1,47,17,1
-0,1,47,18,1
-0,1,47,19,1
-0,1,48,0,1
-0,1,48,1,1
-0,1,48,2,1
-0,1,48,3,1
-0,1,48,4,1
-0,1,48,5,1
-0,1,48,6,1
-0,1,48,7,1
-0,1,48,8,1
-0,1,48,9,1
-0,1,48,10,1
-0,1,48,11,1
-0,1,48,12,1
-0,1,48,13,1
-0,1,48,14,1
-0,1,48,15,1
-0,1,48,16,1
-0,1,48,17,1
-0,1,48,18,1
-0,1,48,19,1
-0,1,49,0,1
-0,1,49,1,1
-0,1,49,2,1
-0,1,49,3,1
-0,1,49,4,1
-0,1,49,5,1
-0,1,49,6,1
-0,1,49,7,1
-0,1,49,8,1
-0,1,49,9,1
-0,1,49,10,1
-0,1,49,11,1
-0,1,49,12,1
-0,1,49,13,1
-0,1,49,14,1
-0,1,49,15,1
-0,1,49,16,1
-0,1,49,17,1
-0,1,49,18,1
-0,1,49,19,1
-0,1,50,0,1
-0,1,50,1,1
-0,1,50,2,1
-0,1,50,3,1
-0,1,50,4,1
-0,1,50,5,1
-0,1,50,6,1
-0,1,50,7,1
-0,1,50,8,1
-0,1,50,9,1
-0,1,50,10,1
-0,1,50,11,1
-0,1,50,12,1
-0,1,50,13,1
-0,1,50,14,1
-0,1,50,15,1
-0,1,50,16,1
-0,1,50,17,1
-0,1,50,18,1
-0,1,50,19,1
-0,1,51,0,1
-0,1,51,1,1
-0,1,51,2,1
-0,1,51,3,1
-0,1,51,4,1
-0,1,51,5,1
-0,1,51,6,1
-0,1,51,7,1
-0,1,51,8,1
-0,1,51,9,1
-0,1,51,10,1
-0,1,51,11,1
-0,1,51,12,1
-0,1,51,13,1
-0,1,51,14,1
-0,1,51,15,1
-0,1,51,16,1
-0,1,51,17,1
-0,1,51,18,1
-0,1,51,19,1
-0,1,52,0,1
-0,1,52,1,1
-0,1,52,2,1
-0,1,52,3,1
-0,1,52,4,1
-0,1,52,5,1
-0,1,52,6,1
-0,1,52,7,1
-0,1,52,8,1
-0,1,52,9,1
-0,1,52,10,1
-0,1,52,11,1
-0,1,52,12,1
-0,1,52,13,1
-0,1,52,14,1
-0,1,52,15,1
-0,1,52,16,1
-0,1,52,17,1
-0,1,52,18,1
-0,1,52,19,1
-0,1,53,0,1
-0,1,53,1,1
-0,1,53,2,1
-0,1,53,3,1
-0,1,53,4,1
-0,1,53,5,1
-0,1,53,6,1
-0,1,53,7,1
-0,1,53,8,1
-0,1,53,9,1
-0,1,53,10,1
-0,1,53,11,1
-0,1,53,12,1
-0,1,53,13,1
-0,1,53,14,1
-0,1,53,15,1
-0,1,53,16,1
-0,1,53,17,1
-0,1,53,18,1
-0,1,53,19,1
-0,1,54,0,1
-0,1,54,1,1
-0,1,54,2,1
-0,1,54,3,1
-0,1,54,4,1
-0,1,54,5,1
-0,1,54,6,1
-0,1,54,7,1
-0,1,54,8,1
-0,1,54,9,1
-0,1,54,10,1
-0,1,54,11,1
-0,1,54,12,1
-0,1,54,13,1
-0,1,54,14,1
-0,1,54,15,1
-0,1,54,16,1
-0,1,54,17,1
-0,1,54,18,1
-0,1,54,19,1
-0,1,55,0,1
-0,1,55,1,1
-0,1,55,2,1
-0,1,55,3,1
-0,1,55,4,1
-0,1,55,5,1
-0,1,55,6,1
-0,1,55,7,1
-0,1,55,8,1
-0,1,55,9,1
-0,1,55,10,1
-0,1,55,11,1
-0,1,55,12,1
-0,1,55,13,1
-0,1,55,14,1
-0,1,55,15,1
-0,1,55,16,1
-0,1,55,17,1
-0,1,55,18,1
-0,1,55,19,1
-0,1,56,0,1
-0,1,56,1,1
-0,1,56,2,1
-0,1,56,3,1
-0,1,56,4,1
-0,1,56,5,1
-0,1,56,6,1
-0,1,56,7,1
-0,1,56,8,1
-0,1,56,9,1
-0,1,56,10,1
-0,1,56,11,1
-0,1,56,12,1
-0,1,56,13,1
-0,1,56,14,1
-0,1,56,15,1
-0,1,56,16,1
-0,1,56,17,1
-0,1,56,18,1
-0,1,56,19,1
-0,1,57,0,1
-0,1,57,1,1
-0,1,57,2,1
-0,1,57,3,1
-0,1,57,4,1
-0,1,57,5,1
-0,1,57,6,1
-0,1,57,7,1
-0,1,57,8,1
-0,1,57,9,1
-0,1,57,10,1
-0,1,57,11,1
-0,1,57,12,1
-0,1,57,13,1
-0,1,57,14,1
-0,1,57,15,1
-0,1,57,16,1
-0,1,57,17,1
-0,1,57,18,1
-0,1,57,19,1
-0,1,58,0,1
-0,1,58,1,1
-0,1,58,2,1
-0,1,58,3,1
-0,1,58,4,1
-0,1,58,5,1
-0,1,58,6,1
-0,1,58,7,1
-0,1,58,8,1
-0,1,58,9,1
-0,1,58,10,1
-0,1,58,11,1
-0,1,58,12,1
-0,1,58,13,1
-0,1,58,14,1
-0,1,58,15,1
-0,1,58,16,1
-0,1,58,17,1
-0,1,58,18,1
-0,1,58,19,1
-0,1,59,0,1
-0,1,59,1,1
-0,1,59,2,1
-0,1,59,3,1
-0,1,59,4,1
-0,1,59,5,1
-0,1,59,6,1
-0,1,59,7,1
-0,1,59,8,1
-0,1,59,9,1
-0,1,59,10,1
-0,1,59,11,1
-0,1,59,12,1
-0,1,59,13,1
-0,1,59,14,1
-0,1,59,15,1
-0,1,59,16,1
-0,1,59,17,1
-0,1,59,18,1
-0,1,59,19,1
-0,1,60,0,1
-0,1,60,1,1
-0,1,60,2,1
-0,1,60,3,1
-0,1,60,4,1
-0,1,60,5,1
-0,1,60,6,1
-0,1,60,7,1
-0,1,60,8,1
-0,1,60,9,1
-0,1,60,10,1
-0,1,60,11,1
-0,1,60,12,1
-0,1,60,13,1
-0,1,60,14,1
-0,1,60,15,1
-0,1,60,16,1
-0,1,60,17,1
-0,1,60,18,1
-0,1,60,19,1
-0,1,61,0,1
-0,1,61,1,1
-0,1,61,2,1
-0,1,61,3,1
-0,1,61,4,1
-0,1,61,5,1
-0,1,61,6,1
-0,1,61,7,1
-0,1,61,8,1
-0,1,61,9,1
-0,1,61,10,1
-0,1,61,11,1
-0,1,61,12,1
-0,1,61,13,1
-0,1,61,14,1
-0,1,61,15,1
-0,1,61,16,1
-0,1,61,17,1
-0,1,61,18,1
-0,1,61,19,1
-0,1,62,0,1
-0,1,62,1,1
-0,1,62,2,1
-0,1,62,3,1
-0,1,62,4,1
-0,1,62,5,1
-0,1,62,6,1
-0,1,62,7,1
-0,1,62,8,1
-0,1,62,9,1
-0,1,62,10,1
-0,1,62,11,1
-0,1,62,12,1
-0,1,62,13,1
-0,1,62,14,1
-0,1,62,15,1
-0,1,62,16,1
-0,1,62,17,1
-0,1,62,18,1
-0,1,62,19,1
-0,1,63,0,1
-0,1,63,1,1
-0,1,63,2,1
-0,1,63,3,1
-0,1,63,4,1
-0,1,63,5,1
-0,1,63,6,1
-0,1,63,7,1
-0,1,63,8,1
-0,1,63,9,1
-0,1,63,10,1
-0,1,63,11,1
-0,1,63,12,1
-0,1,63,13,1
-0,1,63,14,1
-0,1,63,15,1
-0,1,63,16,1
-0,1,63,17,1
-0,1,63,18,1
-0,1,63,19,1
-0,1,64,0,1
-0,1,64,1,1
-0,1,64,2,1
-0,1,64,3,1
-0,1,64,4,1
-0,1,64,5,1
-0,1,64,6,1
-0,1,64,7,1
-0,1,64,8,1
-0,1,64,9,1
-0,1,64,10,1
-0,1,64,11,1
-0,1,64,12,1
-0,1,64,13,1
-0,1,64,14,1
-0,1,64,15,1
-0,1,64,16,1
-0,1,64,17,1
-0,1,64,18,1
-0,1,64,19,1
-0,1,65,0,1
-0,1,65,1,1
-0,1,65,2,1
-0,1,65,3,1
-0,1,65,4,1
-0,1,65,5,1
-0,1,65,6,1
-0,1,65,7,1
-0,1,65,8,1
-0,1,65,9,1
-0,1,65,10,1
-0,1,65,11,1
-0,1,65,12,1
-0,1,65,13,1
-0,1,65,14,1
-0,1,65,15,1
-0,1,65,16,1
-0,1,65,17,1
-0,1,65,18,1
-0,1,65,19,1
-0,1,66,0,1
-0,1,66,1,1
-0,1,66,2,1
-0,1,66,3,1
-0,1,66,4,1
-0,1,66,5,1
-0,1,66,6,1
-0,1,66,7,1
-0,1,66,8,1
-0,1,66,9,1
-0,1,66,10,1
-0,1,66,11,1
-0,1,66,12,1
-0,1,66,13,1
-0,1,66,14,1
-0,1,66,15,1
-0,1,66,16,1
-0,1,66,17,1
-0,1,66,18,1
-0,1,66,19,1
-0,1,67,0,1
-0,1,67,1,1
-0,1,67,2,1
-0,1,67,3,1
-0,1,67,4,1
-0,1,67,5,1
-0,1,67,6,1
-0,1,67,7,1
-0,1,67,8,1
-0,1,67,9,1
-0,1,67,10,1
-0,1,67,11,1
-0,1,67,12,1
-0,1,67,13,1
-0,1,67,14,1
-0,1,67,15,1
-0,1,67,16,1
-0,1,67,17,1
-0,1,67,18,1
-0,1,67,19,1
-0,1,68,0,1
-0,1,68,1,1
-0,1,68,2,1
-0,1,68,3,1
-0,1,68,4,1
-0,1,68,5,1
-0,1,68,6,1
-0,1,68,7,1
-0,1,68,8,1
-0,1,68,9,1
-0,1,68,10,1
-0,1,68,11,1
-0,1,68,12,1
-0,1,68,13,1
-0,1,68,14,1
-0,1,68,15,1
-0,1,68,16,1
-0,1,68,17,1
-0,1,68,18,1
-0,1,68,19,1
-0,1,69,0,1
-0,1,69,1,1
-0,1,69,2,1
-0,1,69,3,1
-0,1,69,4,1
-0,1,69,5,1
-0,1,69,6,1
-0,1,69,7,1
-0,1,69,8,1
-0,1,69,9,1
-0,1,69,10,1
-0,1,69,11,1
-0,1,69,12,1
-0,1,69,13,1
-0,1,69,14,1
-0,1,69,15,1
-0,1,69,16,1
-0,1,69,17,1
-0,1,69,18,1
-0,1,69,19,1
-0,1,70,0,1
-0,1,70,1,1
-0,1,70,2,1
-0,1,70,3,1
-0,1,70,4,1
-0,1,70,5,1
-0,1,70,6,1
-0,1,70,7,1
-0,1,70,8,1
-0,1,70,9,1
-0,1,70,10,1
-0,1,70,11,1
-0,1,70,12,1
-0,1,70,13,1
-0,1,70,14,1
-0,1,70,15,1
-0,1,70,16,1
-0,1,70,17,1
-0,1,70,18,1
-0,1,70,19,1
-0,1,71,0,1
-0,1,71,1,1
-0,1,71,2,1
-0,1,71,3,1
-0,1,71,4,1
-0,1,71,5,1
-0,1,71,6,1
-0,1,71,7,1
-0,1,71,8,1
-0,1,71,9,1
-0,1,71,10,1
-0,1,71,11,1
-0,1,71,12,1
-0,1,71,13,1
-0,1,71,14,1
-0,1,71,15,1
-0,1,71,16,1
-0,1,71,17,1
-0,1,71,18,1
-0,1,71,19,1
-0,1,72,0,1
-0,1,72,1,1
-0,1,72,2,1
-0,1,72,3,1
-0,1,72,4,1
-0,1,72,5,1
-0,1,72,6,1
-0,1,72,7,1
-0,1,72,8,1
-0,1,72,9,1
-0,1,72,10,1
-0,1,72,11,1
-0,1,72,12,1
-0,1,72,13,1
-0,1,72,14,1
-0,1,72,15,1
-0,1,72,16,1
-0,1,72,17,1
-0,1,72,18,1
-0,1,72,19,1
-0,1,73,0,1
-0,1,73,1,1
-0,1,73,2,1
-0,1,73,3,1
-0,1,73,4,1
-0,1,73,5,1
-0,1,73,6,1
-0,1,73,7,1
-0,1,73,8,1
-0,1,73,9,1
-0,1,73,10,1
-0,1,73,11,1
-0,1,73,12,1
-0,1,73,13,1
-0,1,73,14,1
-0,1,73,15,1
-0,1,73,16,1
-0,1,73,17,1
-0,1,73,18,1
-0,1,73,19,1
-0,1,74,0,1
-0,1,74,1,1
-0,1,74,2,1
-0,1,74,3,1
-0,1,74,4,1
-0,1,74,5,1
-0,1,74,6,1
-0,1,74,7,1
-0,1,74,8,1
-0,1,74,9,1
-0,1,74,10,1
-0,1,74,11,1
-0,1,74,12,1
-0,1,74,13,1
-0,1,74,14,1
-0,1,74,15,1
-0,1,74,16,1
-0,1,74,17,1
-0,1,74,18,1
-0,1,74,19,1
-0,1,75,0,1
-0,1,75,1,1
-0,1,75,2,1
-0,1,75,3,1
-0,1,75,4,1
-0,1,75,5,1
-0,1,75,6,1
-0,1,75,7,1
-0,1,75,8,1
-0,1,75,9,1
-0,1,75,10,1
-0,1,75,11,1
-0,1,75,12,1
-0,1,75,13,1
-0,1,75,14,1
-0,1,75,15,1
-0,1,75,16,1
-0,1,75,17,1
-0,1,75,18,1
-0,1,75,19,1
-0,1,76,0,1
-0,1,76,1,1
-0,1,76,2,1
-0,1,76,3,1
-0,1,76,4,1
-0,1,76,5,1
-0,1,76,6,1
-0,1,76,7,1
-0,1,76,8,1
-0,1,76,9,1
-0,1,76,10,1
-0,1,76,11,1
-0,1,76,12,1
-0,1,76,13,1
-0,1,76,14,1
-0,1,76,15,1
-0,1,76,16,1
-0,1,76,17,1
-0,1,76,18,1
-0,1,76,19,1
-0,1,77,0,1
-0,1,77,1,1
-0,1,77,2,1
-0,1,77,3,1
-0,1,77,4,1
-0,1,77,5,1
-0,1,77,6,1
-0,1,77,7,1
-0,1,77,8,1
-0,1,77,9,1
-0,1,77,10,1
-0,1,77,11,1
-0,1,77,12,1
-0,1,77,13,1
-0,1,77,14,1
-0,1,77,15,1
-0,1,77,16,1
-0,1,77,17,1
-0,1,77,18,1
-0,1,77,19,1
-0,1,78,0,1
-0,1,78,1,1
-0,1,78,2,1
-0,1,78,3,1
-0,1,78,4,1
-0,1,78,5,1
-0,1,78,6,1
-0,1,78,7,1
-0,1,78,8,1
-0,1,78,9,1
-0,1,78,10,1
-0,1,78,11,1
-0,1,78,12,1
-0,1,78,13,1
-0,1,78,14,1
-0,1,78,15,1
-0,1,78,16,1
-0,1,78,17,1
-0,1,78,18,1
-0,1,78,19,1
-0,1,79,0,1
-0,1,79,1,1
-0,1,79,2,1
-0,1,79,3,1
-0,1,79,4,1
-0,1,79,5,1
-0,1,79,6,1
-0,1,79,7,1
-0,1,79,8,1
-0,1,79,9,1
-0,1,79,10,1
-0,1,79,11,1
-0,1,79,12,1
-0,1,79,13,1
-0,1,79,14,1
-0,1,79,15,1
-0,1,79,16,1
-0,1,79,17,1
-0,1,79,18,1
-0,1,79,19,1
-0,1,80,0,1
-0,1,80,1,1
-0,1,80,2,1
-0,1,80,3,1
-0,1,80,4,1
-0,1,80,5,1
-0,1,80,6,1
-0,1,80,7,1
-0,1,80,8,1
-0,1,80,9,1
-0,1,80,10,1
-0,1,80,11,1
-0,1,80,12,1
-0,1,80,13,1
-0,1,80,14,1
-0,1,80,15,1
-0,1,80,16,1
-0,1,80,17,1
-0,1,80,18,1
-0,1,80,19,1
-0,1,81,0,1
-0,1,81,1,1
-0,1,81,2,1
-0,1,81,3,1
-0,1,81,4,1
-0,1,81,5,1
-0,1,81,6,1
-0,1,81,7,1
-0,1,81,8,1
-0,1,81,9,1
-0,1,81,10,1
-0,1,81,11,1
-0,1,81,12,1
-0,1,81,13,1
-0,1,81,14,1
-0,1,81,15,1
-0,1,81,16,1
-0,1,81,17,1
-0,1,81,18,1
-0,1,81,19,1
-0,1,82,0,1
-0,1,82,1,1
-0,1,82,2,1
-0,1,82,3,1
-0,1,82,4,1
-0,1,82,5,1
-0,1,82,6,1
-0,1,82,7,1
-0,1,82,8,1
-0,1,82,9,1
-0,1,82,10,1
-0,1,82,11,1
-0,1,82,12,1
-0,1,82,13,1
-0,1,82,14,1
-0,1,82,15,1
-0,1,82,16,1
-0,1,82,17,1
-0,1,82,18,1
-0,1,82,19,1
-0,1,83,0,1
-0,1,83,1,1
-0,1,83,2,1
-0,1,83,3,1
-0,1,83,4,1
-0,1,83,5,1
-0,1,83,6,1
-0,1,83,7,1
-0,1,83,8,1
-0,1,83,9,1
-0,1,83,10,1
-0,1,83,11,1
-0,1,83,12,1
-0,1,83,13,1
-0,1,83,14,1
-0,1,83,15,1
-0,1,83,16,1
-0,1,83,17,1
-0,1,83,18,1
-0,1,83,19,1
-0,1,84,0,1
-0,1,84,1,1
-0,1,84,2,1
-0,1,84,3,1
-0,1,84,4,1
-0,1,84,5,1
-0,1,84,6,1
-0,1,84,7,1
-0,1,84,8,1
-0,1,84,9,1
-0,1,84,10,1
-0,1,84,11,1
-0,1,84,12,1
-0,1,84,13,1
-0,1,84,14,1
-0,1,84,15,1
-0,1,84,16,1
-0,1,84,17,1
-0,1,84,18,1
-0,1,84,19,1
-0,1,85,0,1
-0,1,85,1,1
-0,1,85,2,1
-0,1,85,3,1
-0,1,85,4,1
-0,1,85,5,1
-0,1,85,6,1
-0,1,85,7,1
-0,1,85,8,1
-0,1,85,9,1
-0,1,85,10,1
-0,1,85,11,1
-0,1,85,12,1
-0,1,85,13,1
-0,1,85,14,1
-0,1,85,15,1
-0,1,85,16,1
-0,1,85,17,1
-0,1,85,18,1
-0,1,85,19,1
-0,1,86,0,1
-0,1,86,1,1
-0,1,86,2,1
-0,1,86,3,1
-0,1,86,4,1
-0,1,86,5,1
-0,1,86,6,1
-0,1,86,7,1
-0,1,86,8,1
-0,1,86,9,1
-0,1,86,10,1
-0,1,86,11,1
-0,1,86,12,1
-0,1,86,13,1
-0,1,86,14,1
-0,1,86,15,1
-0,1,86,16,1
-0,1,86,17,1
-0,1,86,18,1
-0,1,86,19,1
-0,1,87,0,1
-0,1,87,1,1
-0,1,87,2,1
-0,1,87,3,1
-0,1,87,4,1
-0,1,87,5,1
-0,1,87,6,1
-0,1,87,7,1
-0,1,87,8,1
-0,1,87,9,1
-0,1,87,10,1
-0,1,87,11,1
-0,1,87,12,1
-0,1,87,13,1
-0,1,87,14,1
-0,1,87,15,1
-0,1,87,16,1
-0,1,87,17,1
-0,1,87,18,1
-0,1,87,19,1
-0,1,88,0,1
-0,1,88,1,1
-0,1,88,2,1
-0,1,88,3,1
-0,1,88,4,1
-0,1,88,5,1
-0,1,88,6,1
-0,1,88,7,1
-0,1,88,8,1
-0,1,88,9,1
-0,1,88,10,1
-0,1,88,11,1
-0,1,88,12,1
-0,1,88,13,1
-0,1,88,14,1
-0,1,88,15,1
-0,1,88,16,1
-0,1,88,17,1
-0,1,88,18,1
-0,1,88,19,1
-0,1,89,0,1
-0,1,89,1,1
-0,1,89,2,1
-0,1,89,3,1
-0,1,89,4,1
-0,1,89,5,1
-0,1,89,6,1
-0,1,89,7,1
-0,1,89,8,1
-0,1,89,9,1
-0,1,89,10,1
-0,1,89,11,1
-0,1,89,12,1
-0,1,89,13,1
-0,1,89,14,1
-0,1,89,15,1
-0,1,89,16,1
-0,1,89,17,1
-0,1,89,18,1
-0,1,89,19,1
-0,1,90,0,1
-0,1,90,1,1
-0,1,90,2,1
-0,1,90,3,1
-0,1,90,4,1
-0,1,90,5,1
-0,1,90,6,1
-0,1,90,7,1
-0,1,90,8,1
-0,1,90,9,1
-0,1,90,10,1
-0,1,90,11,1
-0,1,90,12,1
-0,1,90,13,1
-0,1,90,14,1
-0,1,90,15,1
-0,1,90,16,1
-0,1,90,17,1
-0,1,90,18,1
-0,1,90,19,1
-0,1,91,0,1
-0,1,91,1,1
-0,1,91,2,1
-0,1,91,3,1
-0,1,91,4,1
-0,1,91,5,1
-0,1,91,6,1
-0,1,91,7,1
-0,1,91,8,1
-0,1,91,9,1
-0,1,91,10,1
-0,1,91,11,1
-0,1,91,12,1
-0,1,91,13,1
-0,1,91,14,1
-0,1,91,15,1
-0,1,91,16,1
-0,1,91,17,1
-0,1,91,18,1
-0,1,91,19,1
-0,1,92,0,1
-0,1,92,1,1
-0,1,92,2,1
-0,1,92,3,1
-0,1,92,4,1
-0,1,92,5,1
-0,1,92,6,1
-0,1,92,7,1
-0,1,92,8,1
-0,1,92,9,1
-0,1,92,10,1
-0,1,92,11,1
-0,1,92,12,1
-0,1,92,13,1
-0,1,92,14,1
-0,1,92,15,1
-0,1,92,16,1
-0,1,92,17,1
-0,1,92,18,1
-0,1,92,19,1
-0,1,93,0,1
-0,1,93,1,1
-0,1,93,2,1
-0,1,93,3,1
-0,1,93,4,1
-0,1,93,5,1
-0,1,93,6,1
-0,1,93,7,1
-0,1,93,8,1
-0,1,93,9,1
-0,1,93,10,1
-0,1,93,11,1
-0,1,93,12,1
-0,1,93,13,1
-0,1,93,14,1
-0,1,93,15,1
-0,1,93,16,1
-0,1,93,17,1
-0,1,93,18,1
-0,1,93,19,1
-0,1,94,0,1
-0,1,94,1,1
-0,1,94,2,1
-0,1,94,3,1
-0,1,94,4,1
-0,1,94,5,1
-0,1,94,6,1
-0,1,94,7,1
-0,1,94,8,1
-0,1,94,9,1
-0,1,94,10,1
-0,1,94,11,1
-0,1,94,12,1
-0,1,94,13,1
-0,1,94,14,1
-0,1,94,15,1
-0,1,94,16,1
-0,1,94,17,1
-0,1,94,18,1
-0,1,94,19,1
-0,1,95,0,1
-0,1,95,1,1
-0,1,95,2,1
-0,1,95,3,1
-0,1,95,4,1
-0,1,95,5,1
-0,1,95,6,1
-0,1,95,7,1
-0,1,95,8,1
-0,1,95,9,1
-0,1,95,10,1
-0,1,95,11,1
-0,1,95,12,1
-0,1,95,13,1
-0,1,95,14,1
-0,1,95,15,1
-0,1,95,16,1
-0,1,95,17,1
-0,1,95,18,1
-0,1,95,19,1
-0,1,96,0,1
-0,1,96,1,1
-0,1,96,2,1
-0,1,96,3,1
-0,1,96,4,1
-0,1,96,5,1
-0,1,96,6,1
-0,1,96,7,1
-0,1,96,8,1
-0,1,96,9,1
-0,1,96,10,1
-0,1,96,11,1
-0,1,96,12,1
-0,1,96,13,1
-0,1,96,14,1
-0,1,96,15,1
-0,1,96,16,1
-0,1,96,17,1
-0,1,96,18,1
-0,1,96,19,1
-0,1,97,0,1
-0,1,97,1,1
-0,1,97,2,1
-0,1,97,3,1
-0,1,97,4,1
-0,1,97,5,1
-0,1,97,6,1
-0,1,97,7,1
-0,1,97,8,1
-0,1,97,9,1
-0,1,97,10,1
-0,1,97,11,1
-0,1,97,12,1
-0,1,97,13,1
-0,1,97,14,1
-0,1,97,15,1
-0,1,97,16,1
-0,1,97,17,1
-0,1,97,18,1
-0,1,97,19,1
-0,1,98,0,1
-0,1,98,1,1
-0,1,98,2,1
-0,1,98,3,1
-0,1,98,4,1
-0,1,98,5,1
-0,1,98,6,1
-0,1,98,7,1
-0,1,98,8,1
-0,1,98,9,1
-0,1,98,10,1
-0,1,98,11,1
-0,1,98,12,1
-0,1,98,13,1
-0,1,98,14,1
-0,1,98,15,1
-0,1,98,16,1
-0,1,98,17,1
-0,1,98,18,1
-0,1,98,19,1
-0,1,99,0,1
-0,1,99,1,1
-0,1,99,2,1
-0,1,99,3,1
-0,1,99,4,1
-0,1,99,5,1
-0,1,99,6,1
-0,1,99,7,1
-0,1,99,8,1
-0,1,99,9,1
-0,1,99,10,1
-0,1,99,11,1
-0,1,99,12,1
-0,1,99,13,1
-0,1,99,14,1
-0,1,99,15,1
-0,1,99,16,1
-0,1,99,17,1
-0,1,99,18,1
-0,1,99,19,1
-1,1,0,0,1
-1,1,0,1,1
-1,1,0,2,1
-1,1,0,3,1
-1,1,0,4,1
-1,1,0,5,1
-1,1,0,6,1
-1,1,0,7,1
-1,1,0,8,1
-1,1,0,9,1
-1,1,0,10,1
-1,1,0,11,1
-1,1,0,12,1
-1,1,0,13,1
-1,1,0,14,1
-1,1,0,15,1
-1,1,0,16,1
-1,1,0,17,1
-1,1,0,18,1
-1,1,0,19,1
-1,1,1,0,1
-1,1,1,1,1
-1,1,1,2,1
-1,1,1,3,1
-1,1,1,4,1
-1,1,1,5,1
-1,1,1,6,1
-1,1,1,7,1
-1,1,1,8,1
-1,1,1,9,1
-1,1,1,10,1
-1,1,1,11,1
-1,1,1,12,1
-1,1,1,13,1
-1,1,1,14,1
-1,1,1,15,1
-1,1,1,16,1
-1,1,1,17,1
-1,1,1,18,1
-1,1,1,19,1
-1,1,2,0,1
-1,1,2,1,1
-1,1,2,2,1
-1,1,2,3,1
-1,1,2,4,1
-1,1,2,5,1
-1,1,2,6,1
-1,1,2,7,1
-1,1,2,8,1
-1,1,2,9,1
-1,1,2,10,1
-1,1,2,11,1
-1,1,2,12,1
-1,1,2,13,1
-1,1,2,14,1
-1,1,2,15,1
-1,1,2,16,1
-1,1,2,17,1
-1,1,2,18,1
-1,1,2,19,1
-1,1,3,0,1
-1,1,3,1,1
-1,1,3,2,1
-1,1,3,3,1
-1,1,3,4,1
-1,1,3,5,1
-1,1,3,6,1
-1,1,3,7,1
-1,1,3,8,1
-1,1,3,9,1
-1,1,3,10,1
-1,1,3,11,1
-1,1,3,12,1
-1,1,3,13,1
-1,1,3,14,1
-1,1,3,15,1
-1,1,3,16,1
-1,1,3,17,1
-1,1,3,18,1
-1,1,3,19,1
-1,1,4,0,1
-1,1,4,1,1
-1,1,4,2,1
-1,1,4,3,1
-1,1,4,4,1
-1,1,4,5,1
-1,1,4,6,1
-1,1,4,7,1
-1,1,4,8,1
-1,1,4,9,1
-1,1,4,10,1
-1,1,4,11,1
-1,1,4,12,1
-1,1,4,13,1
-1,1,4,14,1
-1,1,4,15,1
-1,1,4,16,1
-1,1,4,17,1
-1,1,4,18,1
-1,1,4,19,1
-1,1,5,0,1
-1,1,5,1,1
-1,1,5,2,1
-1,1,5,3,1
-1,1,5,4,1
-1,1,5,5,1
-1,1,5,6,1
-1,1,5,7,1
-1,1,5,8,1
-1,1,5,9,1
-1,1,5,10,1
-1,1,5,11,1
-1,1,5,12,1
-1,1,5,13,1
-1,1,5,14,1
-1,1,5,15,1
-1,1,5,16,1
-1,1,5,17,1
-1,1,5,18,1
-1,1,5,19,1
-1,1,6,0,1
-1,1,6,1,1
-1,1,6,2,1
-1,1,6,3,1
-1,1,6,4,1
-1,1,6,5,1
-1,1,6,6,1
-1,1,6,7,1
-1,1,6,8,1
-1,1,6,9,1
-1,1,6,10,1
-1,1,6,11,1
-1,1,6,12,1
-1,1,6,13,1
-1,1,6,14,1
-1,1,6,15,1
-1,1,6,16,1
-1,1,6,17,1
-1,1,6,18,1
-1,1,6,19,1
-1,1,7,0,1
-1,1,7,1,1
-1,1,7,2,1
-1,1,7,3,1
-1,1,7,4,1
-1,1,7,5,1
-1,1,7,6,1
-1,1,7,7,1
-1,1,7,8,1
-1,1,7,9,1
-1,1,7,10,1
-1,1,7,11,1
-1,1,7,12,1
-1,1,7,13,1
-1,1,7,14,1
-1,1,7,15,1
-1,1,7,16,1
-1,1,7,17,1
-1,1,7,18,1
-1,1,7,19,1
-1,1,8,0,1
-1,1,8,1,1
-1,1,8,2,1
-1,1,8,3,1
-1,1,8,4,1
-1,1,8,5,1
-1,1,8,6,1
-1,1,8,7,1
-1,1,8,8,1
-1,1,8,9,1
-1,1,8,10,1
-1,1,8,11,1
-1,1,8,12,1
-1,1,8,13,1
-1,1,8,14,1
-1,1,8,15,1
-1,1,8,16,1
-1,1,8,17,1
-1,1,8,18,1
-1,1,8,19,1
-1,1,9,0,1
-1,1,9,1,1
-1,1,9,2,1
-1,1,9,3,1
-1,1,9,4,1
-1,1,9,5,1
-1,1,9,6,1
-1,1,9,7,1
-1,1,9,8,1
-1,1,9,9,1
-1,1,9,10,1
-1,1,9,11,1
-1,1,9,12,1
-1,1,9,13,1
-1,1,9,14,1
-1,1,9,15,1
-1,1,9,16,1
-1,1,9,17,1
-1,1,9,18,1
-1,1,9,19,1
-1,1,10,0,1
-1,1,10,1,1
-1,1,10,2,1
-1,1,10,3,1
-1,1,10,4,1
-1,1,10,5,1
-1,1,10,6,1
-1,1,10,7,1
-1,1,10,8,1
-1,1,10,9,1
-1,1,10,10,1
-1,1,10,11,1
-1,1,10,12,1
-1,1,10,13,1
-1,1,10,14,1
-1,1,10,15,1
-1,1,10,16,1
-1,1,10,17,1
-1,1,10,18,1
-1,1,10,19,1
-1,1,11,0,1
-1,1,11,1,1
-1,1,11,2,1
-1,1,11,3,1
-1,1,11,4,1
-1,1,11,5,1
-1,1,11,6,1
-1,1,11,7,1
-1,1,11,8,1
-1,1,11,9,1
-1,1,11,10,1
-1,1,11,11,1
-1,1,11,12,1
-1,1,11,13,1
-1,1,11,14,1
-1,1,11,15,1
-1,1,11,16,1
-1,1,11,17,1
-1,1,11,18,1
-1,1,11,19,1
-1,1,12,0,1
-1,1,12,1,1
-1,1,12,2,1
-1,1,12,3,1
-1,1,12,4,1
-1,1,12,5,1
-1,1,12,6,1
-1,1,12,7,1
-1,1,12,8,1
-1,1,12,9,1
-1,1,12,10,1
-1,1,12,11,1
-1,1,12,12,1
-1,1,12,13,1
-1,1,12,14,1
-1,1,12,15,1
-1,1,12,16,1
-1,1,12,17,1
-1,1,12,18,1
-1,1,12,19,1
-1,1,13,0,1
-1,1,13,1,1
-1,1,13,2,1
-1,1,13,3,1
-1,1,13,4,1
-1,1,13,5,1
-1,1,13,6,1
-1,1,13,7,1
-1,1,13,8,1
-1,1,13,9,1
-1,1,13,10,1
-1,1,13,11,1
-1,1,13,12,1
-1,1,13,13,1
-1,1,13,14,1
-1,1,13,15,1
-1,1,13,16,1
-1,1,13,17,1
-1,1,13,18,1
-1,1,13,19,1
-1,1,14,0,1
-1,1,14,1,1
-1,1,14,2,1
-1,1,14,3,1
-1,1,14,4,1
-1,1,14,5,1
-1,1,14,6,1
-1,1,14,7,1
-1,1,14,8,1
-1,1,14,9,1
-1,1,14,10,1
-1,1,14,11,1
-1,1,14,12,1
-1,1,14,13,1
-1,1,14,14,1
-1,1,14,15,1
-1,1,14,16,1
-1,1,14,17,1
-1,1,14,18,1
-1,1,14,19,1
-1,1,15,0,1
-1,1,15,1,1
-1,1,15,2,1
-1,1,15,3,1
-1,1,15,4,1
-1,1,15,5,1
-1,1,15,6,1
-1,1,15,7,1
-1,1,15,8,1
-1,1,15,9,1
-1,1,15,10,1
-1,1,15,11,1
-1,1,15,12,1
-1,1,15,13,1
-1,1,15,14,1
-1,1,15,15,1
-1,1,15,16,1
-1,1,15,17,1
-1,1,15,18,1
-1,1,15,19,1
-1,1,16,0,1
-1,1,16,1,1
-1,1,16,2,1
-1,1,16,3,1
-1,1,16,4,1
-1,1,16,5,1
-1,1,16,6,1
-1,1,16,7,1
-1,1,16,8,1
-1,1,16,9,1
-1,1,16,10,1
-1,1,16,11,1
-1,1,16,12,1
-1,1,16,13,1
-1,1,16,14,1
-1,1,16,15,1
-1,1,16,16,1
-1,1,16,17,1
-1,1,16,18,1
-1,1,16,19,1
-1,1,17,0,1
-1,1,17,1,1
-1,1,17,2,1
-1,1,17,3,1
-1,1,17,4,1
-1,1,17,5,1
-1,1,17,6,1
-1,1,17,7,1
-1,1,17,8,1
-1,1,17,9,1
-1,1,17,10,1
-1,1,17,11,1
-1,1,17,12,1
-1,1,17,13,1
-1,1,17,14,1
-1,1,17,15,1
-1,1,17,16,1
-1,1,17,17,1
-1,1,17,18,1
-1,1,17,19,1
-1,1,18,0,1
-1,1,18,1,1
-1,1,18,2,1
-1,1,18,3,1
-1,1,18,4,1
-1,1,18,5,1
-1,1,18,6,1
-1,1,18,7,1
-1,1,18,8,1
-1,1,18,9,1
-1,1,18,10,1
-1,1,18,11,1
-1,1,18,12,1
-1,1,18,13,1
-1,1,18,14,1
-1,1,18,15,1
-1,1,18,16,1
-1,1,18,17,1
-1,1,18,18,1
-1,1,18,19,1
-1,1,19,0,1
-1,1,19,1,1
-1,1,19,2,1
-1,1,19,3,1
-1,1,19,4,1
-1,1,19,5,1
-1,1,19,6,1
-1,1,19,7,1
-1,1,19,8,1
-1,1,19,9,1
-1,1,19,10,1
-1,1,19,11,1
-1,1,19,12,1
-1,1,19,13,1
-1,1,19,14,1
-1,1,19,15,1
-1,1,19,16,1
-1,1,19,17,1
-1,1,19,18,1
-1,1,19,19,1
-1,1,20,0,1
-1,1,20,1,1
-1,1,20,2,1
-1,1,20,3,1
-1,1,20,4,1
-1,1,20,5,1
-1,1,20,6,1
-1,1,20,7,1
-1,1,20,8,1
-1,1,20,9,1
-1,1,20,10,1
-1,1,20,11,1
-1,1,20,12,1
-1,1,20,13,1
-1,1,20,14,1
-1,1,20,15,1
-1,1,20,16,1
-1,1,20,17,1
-1,1,20,18,1
-1,1,20,19,1
-1,1,21,0,1
-1,1,21,1,1
-1,1,21,2,1
-1,1,21,3,1
-1,1,21,4,1
-1,1,21,5,1
-1,1,21,6,1
-1,1,21,7,1
-1,1,21,8,1
-1,1,21,9,1
-1,1,21,10,1
-1,1,21,11,1
-1,1,21,12,1
-1,1,21,13,1
-1,1,21,14,1
-1,1,21,15,1
-1,1,21,16,1
-1,1,21,17,1
-1,1,21,18,1
-1,1,21,19,1
-1,1,22,0,1
-1,1,22,1,1
-1,1,22,2,1
-1,1,22,3,1
-1,1,22,4,1
-1,1,22,5,1
-1,1,22,6,1
-1,1,22,7,1
-1,1,22,8,1
-1,1,22,9,1
-1,1,22,10,1
-1,1,22,11,1
-1,1,22,12,1
-1,1,22,13,1
-1,1,22,14,1
-1,1,22,15,1
-1,1,22,16,1
-1,1,22,17,1
-1,1,22,18,1
-1,1,22,19,1
-1,1,23,0,1
-1,1,23,1,1
-1,1,23,2,1
-1,1,23,3,1
-1,1,23,4,1
-1,1,23,5,1
-1,1,23,6,1
-1,1,23,7,1
-1,1,23,8,1
-1,1,23,9,1
-1,1,23,10,1
-1,1,23,11,1
-1,1,23,12,1
-1,1,23,13,1
-1,1,23,14,1
-1,1,23,15,1
-1,1,23,16,1
-1,1,23,17,1
-1,1,23,18,1
-1,1,23,19,1
-1,1,24,0,1
-1,1,24,1,1
-1,1,24,2,1
-1,1,24,3,1
-1,1,24,4,1
-1,1,24,5,1
-1,1,24,6,1
-1,1,24,7,1
-1,1,24,8,1
-1,1,24,9,1
-1,1,24,10,1
-1,1,24,11,1
-1,1,24,12,1
-1,1,24,13,1
-1,1,24,14,1
-1,1,24,15,1
-1,1,24,16,1
-1,1,24,17,1
-1,1,24,18,1
-1,1,24,19,1
-1,1,25,0,1
-1,1,25,1,1
-1,1,25,2,1
-1,1,25,3,1
-1,1,25,4,1
-1,1,25,5,1
-1,1,25,6,1
-1,1,25,7,1
-1,1,25,8,1
-1,1,25,9,1
-1,1,25,10,1
-1,1,25,11,1
-1,1,25,12,1
-1,1,25,13,1
-1,1,25,14,1
-1,1,25,15,1
-1,1,25,16,1
-1,1,25,17,1
-1,1,25,18,1
-1,1,25,19,1
-1,1,26,0,1
-1,1,26,1,1
-1,1,26,2,1
-1,1,26,3,1
-1,1,26,4,1
-1,1,26,5,1
-1,1,26,6,1
-1,1,26,7,1
-1,1,26,8,1
-1,1,26,9,1
-1,1,26,10,1
-1,1,26,11,1
-1,1,26,12,1
-1,1,26,13,1
-1,1,26,14,1
-1,1,26,15,1
-1,1,26,16,1
-1,1,26,17,1
-1,1,26,18,1
-1,1,26,19,1
-1,1,27,0,1
-1,1,27,1,1
-1,1,27,2,1
-1,1,27,3,1
-1,1,27,4,1
-1,1,27,5,1
-1,1,27,6,1
-1,1,27,7,1
-1,1,27,8,1
-1,1,27,9,1
-1,1,27,10,1
-1,1,27,11,1
-1,1,27,12,1
-1,1,27,13,1
-1,1,27,14,1
-1,1,27,15,1
-1,1,27,16,1
-1,1,27,17,1
-1,1,27,18,1
-1,1,27,19,1
-1,1,28,0,1
-1,1,28,1,1
-1,1,28,2,1
-1,1,28,3,1
-1,1,28,4,1
-1,1,28,5,1
-1,1,28,6,1
-1,1,28,7,1
-1,1,28,8,1
-1,1,28,9,1
-1,1,28,10,1
-1,1,28,11,1
-1,1,28,12,1
-1,1,28,13,1
-1,1,28,14,1
-1,1,28,15,1
-1,1,28,16,1
-1,1,28,17,1
-1,1,28,18,1
-1,1,28,19,1
-1,1,29,0,1
-1,1,29,1,1
-1,1,29,2,1
-1,1,29,3,1
-1,1,29,4,1
-1,1,29,5,1
-1,1,29,6,1
-1,1,29,7,1
-1,1,29,8,1
-1,1,29,9,1
-1,1,29,10,1
-1,1,29,11,1
-1,1,29,12,1
-1,1,29,13,1
-1,1,29,14,1
-1,1,29,15,1
-1,1,29,16,1
-1,1,29,17,1
-1,1,29,18,1
-1,1,29,19,1
-1,1,30,0,1
-1,1,30,1,1
-1,1,30,2,1
-1,1,30,3,1
-1,1,30,4,1
-1,1,30,5,1
-1,1,30,6,1
-1,1,30,7,1
-1,1,30,8,1
-1,1,30,9,1
-1,1,30,10,1
-1,1,30,11,1
-1,1,30,12,1
-1,1,30,13,1
-1,1,30,14,1
-1,1,30,15,1
-1,1,30,16,1
-1,1,30,17,1
-1,1,30,18,1
-1,1,30,19,1
-1,1,31,0,1
-1,1,31,1,1
-1,1,31,2,1
-1,1,31,3,1
-1,1,31,4,1
-1,1,31,5,1
-1,1,31,6,1
-1,1,31,7,1
-1,1,31,8,1
-1,1,31,9,1
-1,1,31,10,1
-1,1,31,11,1
-1,1,31,12,1
-1,1,31,13,1
-1,1,31,14,1
-1,1,31,15,1
-1,1,31,16,1
-1,1,31,17,1
-1,1,31,18,1
-1,1,31,19,1
-1,1,32,0,1
-1,1,32,1,1
-1,1,32,2,1
-1,1,32,3,1
-1,1,32,4,1
-1,1,32,5,1
-1,1,32,6,1
-1,1,32,7,1
-1,1,32,8,1
-1,1,32,9,1
-1,1,32,10,1
-1,1,32,11,1
-1,1,32,12,1
-1,1,32,13,1
-1,1,32,14,1
-1,1,32,15,1
-1,1,32,16,1
-1,1,32,17,1
-1,1,32,18,1
-1,1,32,19,1
-1,1,33,0,1
-1,1,33,1,1
-1,1,33,2,1
-1,1,33,3,1
-1,1,33,4,1
-1,1,33,5,1
-1,1,33,6,1
-1,1,33,7,1
-1,1,33,8,1
-1,1,33,9,1
-1,1,33,10,1
-1,1,33,11,1
-1,1,33,12,1
-1,1,33,13,1
-1,1,33,14,1
-1,1,33,15,1
-1,1,33,16,1
-1,1,33,17,1
-1,1,33,18,1
-1,1,33,19,1
-1,1,34,0,1
-1,1,34,1,1
-1,1,34,2,1
-1,1,34,3,1
-1,1,34,4,1
-1,1,34,5,1
-1,1,34,6,1
-1,1,34,7,1
-1,1,34,8,1
-1,1,34,9,1
-1,1,34,10,1
-1,1,34,11,1
-1,1,34,12,1
-1,1,34,13,1
-1,1,34,14,1
-1,1,34,15,1
-1,1,34,16,1
-1,1,34,17,1
-1,1,34,18,1
-1,1,34,19,1
-1,1,35,0,1
-1,1,35,1,1
-1,1,35,2,1
-1,1,35,3,1
-1,1,35,4,1
-1,1,35,5,1
-1,1,35,6,1
-1,1,35,7,1
-1,1,35,8,1
-1,1,35,9,1
-1,1,35,10,1
-1,1,35,11,1
-1,1,35,12,1
-1,1,35,13,1
-1,1,35,14,1
-1,1,35,15,1
-1,1,35,16,1
-1,1,35,17,1
-1,1,35,18,1
-1,1,35,19,1
-1,1,36,0,1
-1,1,36,1,1
-1,1,36,2,1
-1,1,36,3,1
-1,1,36,4,1
-1,1,36,5,1
-1,1,36,6,1
-1,1,36,7,1
-1,1,36,8,1
-1,1,36,9,1
-1,1,36,10,1
-1,1,36,11,1
-1,1,36,12,1
-1,1,36,13,1
-1,1,36,14,1
-1,1,36,15,1
-1,1,36,16,1
-1,1,36,17,1
-1,1,36,18,1
-1,1,36,19,1
-1,1,37,0,1
-1,1,37,1,1
-1,1,37,2,1
-1,1,37,3,1
-1,1,37,4,1
-1,1,37,5,1
-1,1,37,6,1
-1,1,37,7,1
-1,1,37,8,1
-1,1,37,9,1
-1,1,37,10,1
-1,1,37,11,1
-1,1,37,12,1
-1,1,37,13,1
-1,1,37,14,1
-1,1,37,15,1
-1,1,37,16,1
-1,1,37,17,1
-1,1,37,18,1
-1,1,37,19,1
-1,1,38,0,1
-1,1,38,1,1
-1,1,38,2,1
-1,1,38,3,1
-1,1,38,4,1
-1,1,38,5,1
-1,1,38,6,1
-1,1,38,7,1
-1,1,38,8,1
-1,1,38,9,1
-1,1,38,10,1
-1,1,38,11,1
-1,1,38,12,1
-1,1,38,13,1
-1,1,38,14,1
-1,1,38,15,1
-1,1,38,16,1
-1,1,38,17,1
-1,1,38,18,1
-1,1,38,19,1
-1,1,39,0,1
-1,1,39,1,1
-1,1,39,2,1
-1,1,39,3,1
-1,1,39,4,1
-1,1,39,5,1
-1,1,39,6,1
-1,1,39,7,1
-1,1,39,8,1
-1,1,39,9,1
-1,1,39,10,1
-1,1,39,11,1
-1,1,39,12,1
-1,1,39,13,1
-1,1,39,14,1
-1,1,39,15,1
-1,1,39,16,1
-1,1,39,17,1
-1,1,39,18,1
-1,1,39,19,1
-1,1,40,0,1
-1,1,40,1,1
-1,1,40,2,1
-1,1,40,3,1
-1,1,40,4,1
-1,1,40,5,1
-1,1,40,6,1
-1,1,40,7,1
-1,1,40,8,1
-1,1,40,9,1
-1,1,40,10,1
-1,1,40,11,1
-1,1,40,12,1
-1,1,40,13,1
-1,1,40,14,1
-1,1,40,15,1
-1,1,40,16,1
-1,1,40,17,1
-1,1,40,18,1
-1,1,40,19,1
-1,1,41,0,1
-1,1,41,1,1
-1,1,41,2,1
-1,1,41,3,1
-1,1,41,4,1
-1,1,41,5,1
-1,1,41,6,1
-1,1,41,7,1
-1,1,41,8,1
-1,1,41,9,1
-1,1,41,10,1
-1,1,41,11,1
-1,1,41,12,1
-1,1,41,13,1
-1,1,41,14,1
-1,1,41,15,1
-1,1,41,16,1
-1,1,41,17,1
-1,1,41,18,1
-1,1,41,19,1
-1,1,42,0,1
-1,1,42,1,1
-1,1,42,2,1
-1,1,42,3,1
-1,1,42,4,1
-1,1,42,5,1
-1,1,42,6,1
-1,1,42,7,1
-1,1,42,8,1
-1,1,42,9,1
-1,1,42,10,1
-1,1,42,11,1
-1,1,42,12,1
-1,1,42,13,1
-1,1,42,14,1
-1,1,42,15,1
-1,1,42,16,1
-1,1,42,17,1
-1,1,42,18,1
-1,1,42,19,1
-1,1,43,0,1
-1,1,43,1,1
-1,1,43,2,1
-1,1,43,3,1
-1,1,43,4,1
-1,1,43,5,1
-1,1,43,6,1
-1,1,43,7,1
-1,1,43,8,1
-1,1,43,9,1
-1,1,43,10,1
-1,1,43,11,1
-1,1,43,12,1
-1,1,43,13,1
-1,1,43,14,1
-1,1,43,15,1
-1,1,43,16,1
-1,1,43,17,1
-1,1,43,18,1
-1,1,43,19,1
-1,1,44,0,1
-1,1,44,1,1
-1,1,44,2,1
-1,1,44,3,1
-1,1,44,4,1
-1,1,44,5,1
-1,1,44,6,1
-1,1,44,7,1
-1,1,44,8,1
-1,1,44,9,1
-1,1,44,10,1
-1,1,44,11,1
-1,1,44,12,1
-1,1,44,13,1
-1,1,44,14,1
-1,1,44,15,1
-1,1,44,16,1
-1,1,44,17,1
-1,1,44,18,1
-1,1,44,19,1
-1,1,45,0,1
-1,1,45,1,1
-1,1,45,2,1
-1,1,45,3,1
-1,1,45,4,1
-1,1,45,5,1
-1,1,45,6,1
-1,1,45,7,1
-1,1,45,8,1
-1,1,45,9,1
-1,1,45,10,1
-1,1,45,11,1
-1,1,45,12,1
-1,1,45,13,1
-1,1,45,14,1
-1,1,45,15,1
-1,1,45,16,1
-1,1,45,17,1
-1,1,45,18,1
-1,1,45,19,1
-1,1,46,0,1
-1,1,46,1,1
-1,1,46,2,1
-1,1,46,3,1
-1,1,46,4,1
-1,1,46,5,1
-1,1,46,6,1
-1,1,46,7,1
-1,1,46,8,1
-1,1,46,9,1
-1,1,46,10,1
-1,1,46,11,1
-1,1,46,12,1
-1,1,46,13,1
-1,1,46,14,1
-1,1,46,15,1
-1,1,46,16,1
-1,1,46,17,1
-1,1,46,18,1
-1,1,46,19,1
-1,1,47,0,1
-1,1,47,1,1
-1,1,47,2,1
-1,1,47,3,1
-1,1,47,4,1
-1,1,47,5,1
-1,1,47,6,1
-1,1,47,7,1
-1,1,47,8,1
-1,1,47,9,1
-1,1,47,10,1
-1,1,47,11,1
-1,1,47,12,1
-1,1,47,13,1
-1,1,47,14,1
-1,1,47,15,1
-1,1,47,16,1
-1,1,47,17,1
-1,1,47,18,1
-1,1,47,19,1
-1,1,48,0,1
-1,1,48,1,1
-1,1,48,2,1
-1,1,48,3,1
-1,1,48,4,1
-1,1,48,5,1
-1,1,48,6,1
-1,1,48,7,1
-1,1,48,8,1
-1,1,48,9,1
-1,1,48,10,1
-1,1,48,11,1
-1,1,48,12,1
-1,1,48,13,1
-1,1,48,14,1
-1,1,48,15,1
-1,1,48,16,1
-1,1,48,17,1
-1,1,48,18,1
-1,1,48,19,1
-1,1,49,0,1
-1,1,49,1,1
-1,1,49,2,1
-1,1,49,3,1
-1,1,49,4,1
-1,1,49,5,1
-1,1,49,6,1
-1,1,49,7,1
-1,1,49,8,1
-1,1,49,9,1
-1,1,49,10,1
-1,1,49,11,1
-1,1,49,12,1
-1,1,49,13,1
-1,1,49,14,1
-1,1,49,15,1
-1,1,49,16,1
-1,1,49,17,1
-1,1,49,18,1
-1,1,49,19,1
-1,1,50,0,1
-1,1,50,1,1
-1,1,50,2,1
-1,1,50,3,1
-1,1,50,4,1
-1,1,50,5,1
-1,1,50,6,1
-1,1,50,7,1
-1,1,50,8,1
-1,1,50,9,1
-1,1,50,10,1
-1,1,50,11,1
-1,1,50,12,1
-1,1,50,13,1
-1,1,50,14,1
-1,1,50,15,1
-1,1,50,16,1
-1,1,50,17,1
-1,1,50,18,1
-1,1,50,19,1
-1,1,51,0,1
-1,1,51,1,1
-1,1,51,2,1
-1,1,51,3,1
-1,1,51,4,1
-1,1,51,5,1
-1,1,51,6,1
-1,1,51,7,1
-1,1,51,8,1
-1,1,51,9,1
-1,1,51,10,1
-1,1,51,11,1
-1,1,51,12,1
-1,1,51,13,1
-1,1,51,14,1
-1,1,51,15,1
-1,1,51,16,1
-1,1,51,17,1
-1,1,51,18,1
-1,1,51,19,1
-1,1,52,0,1
-1,1,52,1,1
-1,1,52,2,1
-1,1,52,3,1
-1,1,52,4,1
-1,1,52,5,1
-1,1,52,6,1
-1,1,52,7,1
-1,1,52,8,1
-1,1,52,9,1
-1,1,52,10,1
-1,1,52,11,1
-1,1,52,12,1
-1,1,52,13,1
-1,1,52,14,1
-1,1,52,15,1
-1,1,52,16,1
-1,1,52,17,1
-1,1,52,18,1
-1,1,52,19,1
-1,1,53,0,1
-1,1,53,1,1
-1,1,53,2,1
-1,1,53,3,1
-1,1,53,4,1
-1,1,53,5,1
-1,1,53,6,1
-1,1,53,7,1
-1,1,53,8,1
-1,1,53,9,1
-1,1,53,10,1
-1,1,53,11,1
-1,1,53,12,1
-1,1,53,13,1
-1,1,53,14,1
-1,1,53,15,1
-1,1,53,16,1
-1,1,53,17,1
-1,1,53,18,1
-1,1,53,19,1
-1,1,54,0,1
-1,1,54,1,1
-1,1,54,2,1
-1,1,54,3,1
-1,1,54,4,1
-1,1,54,5,1
-1,1,54,6,1
-1,1,54,7,1
-1,1,54,8,1
-1,1,54,9,1
-1,1,54,10,1
-1,1,54,11,1
-1,1,54,12,1
-1,1,54,13,1
-1,1,54,14,1
-1,1,54,15,1
-1,1,54,16,1
-1,1,54,17,1
-1,1,54,18,1
-1,1,54,19,1
-1,1,55,0,1
-1,1,55,1,1
-1,1,55,2,1
-1,1,55,3,1
-1,1,55,4,1
-1,1,55,5,1
-1,1,55,6,1
-1,1,55,7,1
-1,1,55,8,1
-1,1,55,9,1
-1,1,55,10,1
-1,1,55,11,1
-1,1,55,12,1
-1,1,55,13,1
-1,1,55,14,1
-1,1,55,15,1
-1,1,55,16,1
-1,1,55,17,1
-1,1,55,18,1
-1,1,55,19,1
-1,1,56,0,1
-1,1,56,1,1
-1,1,56,2,1
-1,1,56,3,1
-1,1,56,4,1
-1,1,56,5,1
-1,1,56,6,1
-1,1,56,7,1
-1,1,56,8,1
-1,1,56,9,1
-1,1,56,10,1
-1,1,56,11,1
-1,1,56,12,1
-1,1,56,13,1
-1,1,56,14,1
-1,1,56,15,1
-1,1,56,16,1
-1,1,56,17,1
-1,1,56,18,1
-1,1,56,19,1
-1,1,57,0,1
-1,1,57,1,1
-1,1,57,2,1
-1,1,57,3,1
-1,1,57,4,1
-1,1,57,5,1
-1,1,57,6,1
-1,1,57,7,1
-1,1,57,8,1
-1,1,57,9,1
-1,1,57,10,1
-1,1,57,11,1
-1,1,57,12,1
-1,1,57,13,1
-1,1,57,14,1
-1,1,57,15,1
-1,1,57,16,1
-1,1,57,17,1
-1,1,57,18,1
-1,1,57,19,1
-1,1,58,0,1
-1,1,58,1,1
-1,1,58,2,1
-1,1,58,3,1
-1,1,58,4,1
-1,1,58,5,1
-1,1,58,6,1
-1,1,58,7,1
-1,1,58,8,1
-1,1,58,9,1
-1,1,58,10,1
-1,1,58,11,1
-1,1,58,12,1
-1,1,58,13,1
-1,1,58,14,1
-1,1,58,15,1
-1,1,58,16,1
-1,1,58,17,1
-1,1,58,18,1
-1,1,58,19,1
-1,1,59,0,1
-1,1,59,1,1
-1,1,59,2,1
-1,1,59,3,1
-1,1,59,4,1
-1,1,59,5,1
-1,1,59,6,1
-1,1,59,7,1
-1,1,59,8,1
-1,1,59,9,1
-1,1,59,10,1
-1,1,59,11,1
-1,1,59,12,1
-1,1,59,13,1
-1,1,59,14,1
-1,1,59,15,1
-1,1,59,16,1
-1,1,59,17,1
-1,1,59,18,1
-1,1,59,19,1
-1,1,60,0,1
-1,1,60,1,1
-1,1,60,2,1
-1,1,60,3,1
-1,1,60,4,1
-1,1,60,5,1
-1,1,60,6,1
-1,1,60,7,1
-1,1,60,8,1
-1,1,60,9,1
-1,1,60,10,1
-1,1,60,11,1
-1,1,60,12,1
-1,1,60,13,1
-1,1,60,14,1
-1,1,60,15,1
-1,1,60,16,1
-1,1,60,17,1
-1,1,60,18,1
-1,1,60,19,1
-1,1,61,0,1
-1,1,61,1,1
-1,1,61,2,1
-1,1,61,3,1
-1,1,61,4,1
-1,1,61,5,1
-1,1,61,6,1
-1,1,61,7,1
-1,1,61,8,1
-1,1,61,9,1
-1,1,61,10,1
-1,1,61,11,1
-1,1,61,12,1
-1,1,61,13,1
-1,1,61,14,1
-1,1,61,15,1
-1,1,61,16,1
-1,1,61,17,1
-1,1,61,18,1
-1,1,61,19,1
-1,1,62,0,1
-1,1,62,1,1
-1,1,62,2,1
-1,1,62,3,1
-1,1,62,4,1
-1,1,62,5,1
-1,1,62,6,1
-1,1,62,7,1
-1,1,62,8,1
-1,1,62,9,1
-1,1,62,10,1
-1,1,62,11,1
-1,1,62,12,1
-1,1,62,13,1
-1,1,62,14,1
-1,1,62,15,1
-1,1,62,16,1
-1,1,62,17,1
-1,1,62,18,1
-1,1,62,19,1
-1,1,63,0,1
-1,1,63,1,1
-1,1,63,2,1
-1,1,63,3,1
-1,1,63,4,1
-1,1,63,5,1
-1,1,63,6,1
-1,1,63,7,1
-1,1,63,8,1
-1,1,63,9,1
-1,1,63,10,1
-1,1,63,11,1
-1,1,63,12,1
-1,1,63,13,1
-1,1,63,14,1
-1,1,63,15,1
-1,1,63,16,1
-1,1,63,17,1
-1,1,63,18,1
-1,1,63,19,1
-1,1,64,0,1
-1,1,64,1,1
-1,1,64,2,1
-1,1,64,3,1
-1,1,64,4,1
-1,1,64,5,1
-1,1,64,6,1
-1,1,64,7,1
-1,1,64,8,1
-1,1,64,9,1
-1,1,64,10,1
-1,1,64,11,1
-1,1,64,12,1
-1,1,64,13,1
-1,1,64,14,1
-1,1,64,15,1
-1,1,64,16,1
-1,1,64,17,1
-1,1,64,18,1
-1,1,64,19,1
-1,1,65,0,1
-1,1,65,1,1
-1,1,65,2,1
-1,1,65,3,1
-1,1,65,4,1
-1,1,65,5,1
-1,1,65,6,1
-1,1,65,7,1
-1,1,65,8,1
-1,1,65,9,1
-1,1,65,10,1
-1,1,65,11,1
-1,1,65,12,1
-1,1,65,13,1
-1,1,65,14,1
-1,1,65,15,1
-1,1,65,16,1
-1,1,65,17,1
-1,1,65,18,1
-1,1,65,19,1
-1,1,66,0,1
-1,1,66,1,1
-1,1,66,2,1
-1,1,66,3,1
-1,1,66,4,1
-1,1,66,5,1
-1,1,66,6,1
-1,1,66,7,1
-1,1,66,8,1
-1,1,66,9,1
-1,1,66,10,1
-1,1,66,11,1
-1,1,66,12,1
-1,1,66,13,1
-1,1,66,14,1
-1,1,66,15,1
-1,1,66,16,1
-1,1,66,17,1
-1,1,66,18,1
-1,1,66,19,1
-1,1,67,0,1
-1,1,67,1,1
-1,1,67,2,1
-1,1,67,3,1
-1,1,67,4,1
-1,1,67,5,1
-1,1,67,6,1
-1,1,67,7,1
-1,1,67,8,1
-1,1,67,9,1
-1,1,67,10,1
-1,1,67,11,1
-1,1,67,12,1
-1,1,67,13,1
-1,1,67,14,1
-1,1,67,15,1
-1,1,67,16,1
-1,1,67,17,1
-1,1,67,18,1
-1,1,67,19,1
-1,1,68,0,1
-1,1,68,1,1
-1,1,68,2,1
-1,1,68,3,1
-1,1,68,4,1
-1,1,68,5,1
-1,1,68,6,1
-1,1,68,7,1
-1,1,68,8,1
-1,1,68,9,1
-1,1,68,10,1
-1,1,68,11,1
-1,1,68,12,1
-1,1,68,13,1
-1,1,68,14,1
-1,1,68,15,1
-1,1,68,16,1
-1,1,68,17,1
-1,1,68,18,1
-1,1,68,19,1
-1,1,69,0,1
-1,1,69,1,1
-1,1,69,2,1
-1,1,69,3,1
-1,1,69,4,1
-1,1,69,5,1
-1,1,69,6,1
-1,1,69,7,1
-1,1,69,8,1
-1,1,69,9,1
-1,1,69,10,1
-1,1,69,11,1
-1,1,69,12,1
-1,1,69,13,1
-1,1,69,14,1
-1,1,69,15,1
-1,1,69,16,1
-1,1,69,17,1
-1,1,69,18,1
-1,1,69,19,1
-1,1,70,0,1
-1,1,70,1,1
-1,1,70,2,1
-1,1,70,3,1
-1,1,70,4,1
-1,1,70,5,1
-1,1,70,6,1
-1,1,70,7,1
-1,1,70,8,1
-1,1,70,9,1
-1,1,70,10,1
-1,1,70,11,1
-1,1,70,12,1
-1,1,70,13,1
-1,1,70,14,1
-1,1,70,15,1
-1,1,70,16,1
-1,1,70,17,1
-1,1,70,18,1
-1,1,70,19,1
-1,1,71,0,1
-1,1,71,1,1
-1,1,71,2,1
-1,1,71,3,1
-1,1,71,4,1
-1,1,71,5,1
-1,1,71,6,1
-1,1,71,7,1
-1,1,71,8,1
-1,1,71,9,1
-1,1,71,10,1
-1,1,71,11,1
-1,1,71,12,1
-1,1,71,13,1
-1,1,71,14,1
-1,1,71,15,1
-1,1,71,16,1
-1,1,71,17,1
-1,1,71,18,1
-1,1,71,19,1
-1,1,72,0,1
-1,1,72,1,1
-1,1,72,2,1
-1,1,72,3,1
-1,1,72,4,1
-1,1,72,5,1
-1,1,72,6,1
-1,1,72,7,1
-1,1,72,8,1
-1,1,72,9,1
-1,1,72,10,1
-1,1,72,11,1
-1,1,72,12,1
-1,1,72,13,1
-1,1,72,14,1
-1,1,72,15,1
-1,1,72,16,1
-1,1,72,17,1
-1,1,72,18,1
-1,1,72,19,1
-1,1,73,0,1
-1,1,73,1,1
-1,1,73,2,1
-1,1,73,3,1
-1,1,73,4,1
-1,1,73,5,1
-1,1,73,6,1
-1,1,73,7,1
-1,1,73,8,1
-1,1,73,9,1
-1,1,73,10,1
-1,1,73,11,1
-1,1,73,12,1
-1,1,73,13,1
-1,1,73,14,1
-1,1,73,15,1
-1,1,73,16,1
-1,1,73,17,1
-1,1,73,18,1
-1,1,73,19,1
-1,1,74,0,1
-1,1,74,1,1
-1,1,74,2,1
-1,1,74,3,1
-1,1,74,4,1
-1,1,74,5,1
-1,1,74,6,1
-1,1,74,7,1
-1,1,74,8,1
-1,1,74,9,1
-1,1,74,10,1
-1,1,74,11,1
-1,1,74,12,1
-1,1,74,13,1
-1,1,74,14,1
-1,1,74,15,1
-1,1,74,16,1
-1,1,74,17,1
-1,1,74,18,1
-1,1,74,19,1
-1,1,75,0,1
-1,1,75,1,1
-1,1,75,2,1
-1,1,75,3,1
-1,1,75,4,1
-1,1,75,5,1
-1,1,75,6,1
-1,1,75,7,1
-1,1,75,8,1
-1,1,75,9,1
-1,1,75,10,1
-1,1,75,11,1
-1,1,75,12,1
-1,1,75,13,1
-1,1,75,14,1
-1,1,75,15,1
-1,1,75,16,1
-1,1,75,17,1
-1,1,75,18,1
-1,1,75,19,1
-1,1,76,0,1
-1,1,76,1,1
-1,1,76,2,1
-1,1,76,3,1
-1,1,76,4,1
-1,1,76,5,1
-1,1,76,6,1
-1,1,76,7,1
-1,1,76,8,1
-1,1,76,9,1
-1,1,76,10,1
-1,1,76,11,1
-1,1,76,12,1
-1,1,76,13,1
-1,1,76,14,1
-1,1,76,15,1
-1,1,76,16,1
-1,1,76,17,1
-1,1,76,18,1
-1,1,76,19,1
-1,1,77,0,1
-1,1,77,1,1
-1,1,77,2,1
-1,1,77,3,1
-1,1,77,4,1
-1,1,77,5,1
-1,1,77,6,1
-1,1,77,7,1
-1,1,77,8,1
-1,1,77,9,1
-1,1,77,10,1
-1,1,77,11,1
-1,1,77,12,1
-1,1,77,13,1
-1,1,77,14,1
-1,1,77,15,1
-1,1,77,16,1
-1,1,77,17,1
-1,1,77,18,1
-1,1,77,19,1
-1,1,78,0,1
-1,1,78,1,1
-1,1,78,2,1
-1,1,78,3,1
-1,1,78,4,1
-1,1,78,5,1
-1,1,78,6,1
-1,1,78,7,1
-1,1,78,8,1
-1,1,78,9,1
-1,1,78,10,1
-1,1,78,11,1
-1,1,78,12,1
-1,1,78,13,1
-1,1,78,14,1
-1,1,78,15,1
-1,1,78,16,1
-1,1,78,17,1
-1,1,78,18,1
-1,1,78,19,1
-1,1,79,0,1
-1,1,79,1,1
-1,1,79,2,1
-1,1,79,3,1
-1,1,79,4,1
-1,1,79,5,1
-1,1,79,6,1
-1,1,79,7,1
-1,1,79,8,1
-1,1,79,9,1
-1,1,79,10,1
-1,1,79,11,1
-1,1,79,12,1
-1,1,79,13,1
-1,1,79,14,1
-1,1,79,15,1
-1,1,79,16,1
-1,1,79,17,1
-1,1,79,18,1
-1,1,79,19,1
-1,1,80,0,1
-1,1,80,1,1
-1,1,80,2,1
-1,1,80,3,1
-1,1,80,4,1
-1,1,80,5,1
-1,1,80,6,1
-1,1,80,7,1
-1,1,80,8,1
-1,1,80,9,1
-1,1,80,10,1
-1,1,80,11,1
-1,1,80,12,1
-1,1,80,13,1
-1,1,80,14,1
-1,1,80,15,1
-1,1,80,16,1
-1,1,80,17,1
-1,1,80,18,1
-1,1,80,19,1
-1,1,81,0,1
-1,1,81,1,1
-1,1,81,2,1
-1,1,81,3,1
-1,1,81,4,1
-1,1,81,5,1
-1,1,81,6,1
-1,1,81,7,1
-1,1,81,8,1
-1,1,81,9,1
-1,1,81,10,1
-1,1,81,11,1
-1,1,81,12,1
-1,1,81,13,1
-1,1,81,14,1
-1,1,81,15,1
-1,1,81,16,1
-1,1,81,17,1
-1,1,81,18,1
-1,1,81,19,1
-1,1,82,0,1
-1,1,82,1,1
-1,1,82,2,1
-1,1,82,3,1
-1,1,82,4,1
-1,1,82,5,1
-1,1,82,6,1
-1,1,82,7,1
-1,1,82,8,1
-1,1,82,9,1
-1,1,82,10,1
-1,1,82,11,1
-1,1,82,12,1
-1,1,82,13,1
-1,1,82,14,1
-1,1,82,15,1
-1,1,82,16,1
-1,1,82,17,1
-1,1,82,18,1
-1,1,82,19,1
-1,1,83,0,1
-1,1,83,1,1
-1,1,83,2,1
-1,1,83,3,1
-1,1,83,4,1
-1,1,83,5,1
-1,1,83,6,1
-1,1,83,7,1
-1,1,83,8,1
-1,1,83,9,1
-1,1,83,10,1
-1,1,83,11,1
-1,1,83,12,1
-1,1,83,13,1
-1,1,83,14,1
-1,1,83,15,1
-1,1,83,16,1
-1,1,83,17,1
-1,1,83,18,1
-1,1,83,19,1
-1,1,84,0,1
-1,1,84,1,1
-1,1,84,2,1
-1,1,84,3,1
-1,1,84,4,1
-1,1,84,5,1
-1,1,84,6,1
-1,1,84,7,1
-1,1,84,8,1
-1,1,84,9,1
-1,1,84,10,1
-1,1,84,11,1
-1,1,84,12,1
-1,1,84,13,1
-1,1,84,14,1
-1,1,84,15,1
-1,1,84,16,1
-1,1,84,17,1
-1,1,84,18,1
-1,1,84,19,1
-1,1,85,0,1
-1,1,85,1,1
-1,1,85,2,1
-1,1,85,3,1
-1,1,85,4,1
-1,1,85,5,1
-1,1,85,6,1
-1,1,85,7,1
-1,1,85,8,1
-1,1,85,9,1
-1,1,85,10,1
-1,1,85,11,1
-1,1,85,12,1
-1,1,85,13,1
-1,1,85,14,1
-1,1,85,15,1
-1,1,85,16,1
-1,1,85,17,1
-1,1,85,18,1
-1,1,85,19,1
-1,1,86,0,1
-1,1,86,1,1
-1,1,86,2,1
-1,1,86,3,1
-1,1,86,4,1
-1,1,86,5,1
-1,1,86,6,1
-1,1,86,7,1
-1,1,86,8,1
-1,1,86,9,1
-1,1,86,10,1
-1,1,86,11,1
-1,1,86,12,1
-1,1,86,13,1
-1,1,86,14,1
-1,1,86,15,1
-1,1,86,16,1
-1,1,86,17,1
-1,1,86,18,1
-1,1,86,19,1
-1,1,87,0,1
-1,1,87,1,1
-1,1,87,2,1
-1,1,87,3,1
-1,1,87,4,1
-1,1,87,5,1
-1,1,87,6,1
-1,1,87,7,1
-1,1,87,8,1
-1,1,87,9,1
-1,1,87,10,1
-1,1,87,11,1
-1,1,87,12,1
-1,1,87,13,1
-1,1,87,14,1
-1,1,87,15,1
-1,1,87,16,1
-1,1,87,17,1
-1,1,87,18,1
-1,1,87,19,1
-1,1,88,0,1
-1,1,88,1,1
-1,1,88,2,1
-1,1,88,3,1
-1,1,88,4,1
-1,1,88,5,1
-1,1,88,6,1
-1,1,88,7,1
-1,1,88,8,1
-1,1,88,9,1
-1,1,88,10,1
-1,1,88,11,1
-1,1,88,12,1
-1,1,88,13,1
-1,1,88,14,1
-1,1,88,15,1
-1,1,88,16,1
-1,1,88,17,1
-1,1,88,18,1
-1,1,88,19,1
-1,1,89,0,1
-1,1,89,1,1
-1,1,89,2,1
-1,1,89,3,1
-1,1,89,4,1
-1,1,89,5,1
-1,1,89,6,1
-1,1,89,7,1
-1,1,89,8,1
-1,1,89,9,1
-1,1,89,10,1
-1,1,89,11,1
-1,1,89,12,1
-1,1,89,13,1
-1,1,89,14,1
-1,1,89,15,1
-1,1,89,16,1
-1,1,89,17,1
-1,1,89,18,1
-1,1,89,19,1
-1,1,90,0,1
-1,1,90,1,1
-1,1,90,2,1
-1,1,90,3,1
-1,1,90,4,1
-1,1,90,5,1
-1,1,90,6,1
-1,1,90,7,1
-1,1,90,8,1
-1,1,90,9,1
-1,1,90,10,1
-1,1,90,11,1
-1,1,90,12,1
-1,1,90,13,1
-1,1,90,14,1
-1,1,90,15,1
-1,1,90,16,1
-1,1,90,17,1
-1,1,90,18,1
-1,1,90,19,1
-1,1,91,0,1
-1,1,91,1,1
-1,1,91,2,1
-1,1,91,3,1
-1,1,91,4,1
-1,1,91,5,1
-1,1,91,6,1
-1,1,91,7,1
-1,1,91,8,1
-1,1,91,9,1
-1,1,91,10,1
-1,1,91,11,1
-1,1,91,12,1
-1,1,91,13,1
-1,1,91,14,1
-1,1,91,15,1
-1,1,91,16,1
-1,1,91,17,1
-1,1,91,18,1
-1,1,91,19,1
-1,1,92,0,1
-1,1,92,1,1
-1,1,92,2,1
-1,1,92,3,1
-1,1,92,4,1
-1,1,92,5,1
-1,1,92,6,1
-1,1,92,7,1
-1,1,92,8,1
-1,1,92,9,1
-1,1,92,10,1
-1,1,92,11,1
-1,1,92,12,1
-1,1,92,13,1
-1,1,92,14,1
-1,1,92,15,1
-1,1,92,16,1
-1,1,92,17,1
-1,1,92,18,1
-1,1,92,19,1
-1,1,93,0,1
-1,1,93,1,1
-1,1,93,2,1
-1,1,93,3,1
-1,1,93,4,1
-1,1,93,5,1
-1,1,93,6,1
-1,1,93,7,1
-1,1,93,8,1
-1,1,93,9,1
-1,1,93,10,1
-1,1,93,11,1
-1,1,93,12,1
-1,1,93,13,1
-1,1,93,14,1
-1,1,93,15,1
-1,1,93,16,1
-1,1,93,17,1
-1,1,93,18,1
-1,1,93,19,1
-1,1,94,0,1
-1,1,94,1,1
-1,1,94,2,1
-1,1,94,3,1
-1,1,94,4,1
-1,1,94,5,1
-1,1,94,6,1
-1,1,94,7,1
-1,1,94,8,1
-1,1,94,9,1
-1,1,94,10,1
-1,1,94,11,1
-1,1,94,12,1
-1,1,94,13,1
-1,1,94,14,1
-1,1,94,15,1
-1,1,94,16,1
-1,1,94,17,1
-1,1,94,18,1
-1,1,94,19,1
-1,1,95,0,1
-1,1,95,1,1
-1,1,95,2,1
-1,1,95,3,1
-1,1,95,4,1
-1,1,95,5,1
-1,1,95,6,1
-1,1,95,7,1
-1,1,95,8,1
-1,1,95,9,1
-1,1,95,10,1
-1,1,95,11,1
-1,1,95,12,1
-1,1,95,13,1
-1,1,95,14,1
-1,1,95,15,1
-1,1,95,16,1
-1,1,95,17,1
-1,1,95,18,1
-1,1,95,19,1
-1,1,96,0,1
-1,1,96,1,1
-1,1,96,2,1
-1,1,96,3,1
-1,1,96,4,1
-1,1,96,5,1
-1,1,96,6,1
-1,1,96,7,1
-1,1,96,8,1
-1,1,96,9,1
-1,1,96,10,1
-1,1,96,11,1
-1,1,96,12,1
-1,1,96,13,1
-1,1,96,14,1
-1,1,96,15,1
-1,1,96,16,1
-1,1,96,17,1
-1,1,96,18,1
-1,1,96,19,1
-1,1,97,0,1
-1,1,97,1,1
-1,1,97,2,1
-1,1,97,3,1
-1,1,97,4,1
-1,1,97,5,1
-1,1,97,6,1
-1,1,97,7,1
-1,1,97,8,1
-1,1,97,9,1
-1,1,97,10,1
-1,1,97,11,1
-1,1,97,12,1
-1,1,97,13,1
-1,1,97,14,1
-1,1,97,15,1
-1,1,97,16,1
-1,1,97,17,1
-1,1,97,18,1
-1,1,97,19,1
-1,1,98,0,1
-1,1,98,1,1
-1,1,98,2,1
-1,1,98,3,1
-1,1,98,4,1
-1,1,98,5,1
-1,1,98,6,1
-1,1,98,7,1
-1,1,98,8,1
-1,1,98,9,1
-1,1,98,10,1
-1,1,98,11,1
-1,1,98,12,1
-1,1,98,13,1
-1,1,98,14,1
-1,1,98,15,1
-1,1,98,16,1
-1,1,98,17,1
-1,1,98,18,1
-1,1,98,19,1
-1,1,99,0,1
-1,1,99,1,1
-1,1,99,2,1
-1,1,99,3,1
-1,1,99,4,1
-1,1,99,5,1
-1,1,99,6,1
-1,1,99,7,1
-1,1,99,8,1
-1,1,99,9,1
-1,1,99,10,1
-1,1,99,11,1
-1,1,99,12,1
-1,1,99,13,1
-1,1,99,14,1
-1,1,99,15,1
-1,1,99,16,1
-1,1,99,17,1
-1,1,99,18,1
-1,1,99,19,1
 1,0,0,0,1
 1,0,0,1,1
 1,0,0,2,1
@@ -6670,6 +2670,677 @@ id_scenario,id_run,period,id,b
 1,0,33,8,1
 1,0,33,9,1
 1,0,33,10,1
+0,1,0,0,1
+0,1,0,1,1
+0,1,0,2,1
+0,1,0,3,1
+0,1,0,4,1
+0,1,0,5,1
+0,1,0,6,1
+0,1,0,7,1
+0,1,0,8,1
+0,1,0,9,1
+0,1,0,10,1
+0,1,0,11,1
+0,1,0,12,1
+0,1,0,13,1
+0,1,0,14,1
+0,1,0,15,1
+0,1,0,16,1
+0,1,0,17,1
+0,1,0,18,1
+0,1,0,19,1
+0,1,1,0,1
+0,1,1,1,1
+0,1,1,2,1
+0,1,1,3,1
+0,1,1,4,1
+0,1,1,5,1
+0,1,1,6,1
+0,1,1,7,1
+0,1,1,8,1
+0,1,1,9,1
+0,1,1,10,1
+0,1,1,11,1
+0,1,1,12,1
+0,1,1,13,1
+0,1,1,14,1
+0,1,1,15,1
+0,1,1,16,1
+0,1,1,17,1
+0,1,1,18,1
+0,1,1,19,1
+0,1,2,0,1
+0,1,2,1,1
+0,1,2,2,1
+0,1,2,3,1
+0,1,2,4,1
+0,1,2,5,1
+0,1,2,6,1
+0,1,2,7,1
+0,1,2,8,1
+0,1,2,9,1
+0,1,2,10,1
+0,1,2,11,1
+0,1,2,12,1
+0,1,2,13,1
+0,1,2,14,1
+0,1,2,15,1
+0,1,2,16,1
+0,1,2,17,1
+0,1,2,18,1
+0,1,2,19,1
+0,1,3,0,1
+0,1,3,1,1
+0,1,3,2,1
+0,1,3,3,1
+0,1,3,4,1
+0,1,3,5,1
+0,1,3,6,1
+0,1,3,7,1
+0,1,3,8,1
+0,1,3,9,1
+0,1,3,10,1
+0,1,3,11,1
+0,1,3,12,1
+0,1,3,13,1
+0,1,3,14,1
+0,1,3,15,1
+0,1,3,16,1
+0,1,3,17,1
+0,1,3,18,1
+0,1,3,19,1
+0,1,4,0,1
+0,1,4,1,1
+0,1,4,2,1
+0,1,4,3,1
+0,1,4,4,1
+0,1,4,5,1
+0,1,4,6,1
+0,1,4,7,1
+0,1,4,8,1
+0,1,4,9,1
+0,1,4,10,1
+0,1,4,11,1
+0,1,4,12,1
+0,1,4,13,1
+0,1,4,14,1
+0,1,4,15,1
+0,1,4,16,1
+0,1,4,17,1
+0,1,4,18,1
+0,1,4,19,1
+0,1,5,0,1
+0,1,5,1,1
+0,1,5,2,1
+0,1,5,3,1
+0,1,5,4,1
+0,1,5,5,1
+0,1,5,6,1
+0,1,5,7,1
+0,1,5,8,1
+0,1,5,9,1
+0,1,5,10,1
+0,1,5,11,1
+0,1,5,12,1
+0,1,5,13,1
+0,1,5,14,1
+0,1,5,15,1
+0,1,5,16,1
+0,1,5,17,1
+0,1,5,18,1
+0,1,5,19,1
+0,1,6,0,1
+0,1,6,1,1
+0,1,6,2,1
+0,1,6,3,1
+0,1,6,4,1
+0,1,6,5,1
+0,1,6,6,1
+0,1,6,7,1
+0,1,6,8,1
+0,1,6,9,1
+0,1,6,10,1
+0,1,6,11,1
+0,1,6,12,1
+0,1,6,13,1
+0,1,6,14,1
+0,1,6,15,1
+0,1,6,16,1
+0,1,6,17,1
+0,1,6,18,1
+0,1,6,19,1
+0,1,7,0,1
+0,1,7,1,1
+0,1,7,2,1
+0,1,7,3,1
+0,1,7,4,1
+0,1,7,5,1
+0,1,7,6,1
+0,1,7,7,1
+0,1,7,8,1
+0,1,7,9,1
+0,1,7,10,1
+0,1,7,11,1
+0,1,7,12,1
+0,1,7,13,1
+0,1,7,14,1
+0,1,7,15,1
+0,1,7,16,1
+0,1,7,17,1
+0,1,7,18,1
+0,1,7,19,1
+0,1,8,0,1
+0,1,8,1,1
+0,1,8,2,1
+0,1,8,3,1
+0,1,8,4,1
+0,1,8,5,1
+0,1,8,6,1
+0,1,8,7,1
+0,1,8,8,1
+0,1,8,9,1
+0,1,8,10,1
+0,1,8,11,1
+0,1,8,12,1
+0,1,8,13,1
+0,1,8,14,1
+0,1,8,15,1
+0,1,8,16,1
+0,1,8,17,1
+0,1,8,18,1
+0,1,8,19,1
+0,1,9,0,1
+0,1,9,1,1
+0,1,9,2,1
+0,1,9,3,1
+0,1,9,4,1
+0,1,9,5,1
+0,1,9,6,1
+0,1,9,7,1
+0,1,9,8,1
+0,1,9,9,1
+0,1,9,10,1
+0,1,9,11,1
+0,1,9,12,1
+0,1,9,13,1
+0,1,9,14,1
+0,1,9,15,1
+0,1,9,16,1
+0,1,9,17,1
+0,1,9,18,1
+0,1,9,19,1
+0,1,10,0,1
+0,1,10,1,1
+0,1,10,2,1
+0,1,10,3,1
+0,1,10,4,1
+0,1,10,5,1
+0,1,10,6,1
+0,1,10,7,1
+0,1,10,8,1
+0,1,10,9,1
+0,1,10,10,1
+0,1,10,11,1
+0,1,10,12,1
+0,1,10,13,1
+0,1,10,14,1
+0,1,10,15,1
+0,1,10,16,1
+0,1,10,17,1
+0,1,10,18,1
+0,1,10,19,1
+0,1,11,0,1
+0,1,11,1,1
+0,1,11,2,1
+0,1,11,3,1
+0,1,11,4,1
+0,1,11,5,1
+0,1,11,6,1
+0,1,11,7,1
+0,1,11,8,1
+0,1,11,9,1
+0,1,11,10,1
+0,1,11,11,1
+0,1,11,12,1
+0,1,11,13,1
+0,1,11,14,1
+0,1,11,15,1
+0,1,11,16,1
+0,1,11,17,1
+0,1,11,18,1
+0,1,11,19,1
+0,1,12,0,1
+0,1,12,1,1
+0,1,12,2,1
+0,1,12,3,1
+0,1,12,4,1
+0,1,12,5,1
+0,1,12,6,1
+0,1,12,7,1
+0,1,12,8,1
+0,1,12,9,1
+0,1,12,10,1
+0,1,12,11,1
+0,1,12,12,1
+0,1,12,13,1
+0,1,12,14,1
+0,1,12,15,1
+0,1,12,16,1
+0,1,12,17,1
+0,1,12,18,1
+0,1,12,19,1
+0,1,13,0,1
+0,1,13,1,1
+0,1,13,2,1
+0,1,13,3,1
+0,1,13,4,1
+0,1,13,5,1
+0,1,13,6,1
+0,1,13,7,1
+0,1,13,8,1
+0,1,13,9,1
+0,1,13,10,1
+0,1,13,11,1
+0,1,13,12,1
+0,1,13,13,1
+0,1,13,14,1
+0,1,13,15,1
+0,1,13,16,1
+0,1,13,17,1
+0,1,13,18,1
+0,1,13,19,1
+0,1,14,0,1
+0,1,14,1,1
+0,1,14,2,1
+0,1,14,3,1
+0,1,14,4,1
+0,1,14,5,1
+0,1,14,6,1
+0,1,14,7,1
+0,1,14,8,1
+0,1,14,9,1
+0,1,14,10,1
+0,1,14,11,1
+0,1,14,12,1
+0,1,14,13,1
+0,1,14,14,1
+0,1,14,15,1
+0,1,14,16,1
+0,1,14,17,1
+0,1,14,18,1
+0,1,14,19,1
+0,1,15,0,1
+0,1,15,1,1
+0,1,15,2,1
+0,1,15,3,1
+0,1,15,4,1
+0,1,15,5,1
+0,1,15,6,1
+0,1,15,7,1
+0,1,15,8,1
+0,1,15,9,1
+0,1,15,10,1
+0,1,15,11,1
+0,1,15,12,1
+0,1,15,13,1
+0,1,15,14,1
+0,1,15,15,1
+0,1,15,16,1
+0,1,15,17,1
+0,1,15,18,1
+0,1,15,19,1
+0,1,16,0,1
+0,1,16,1,1
+0,1,16,2,1
+0,1,16,3,1
+0,1,16,4,1
+0,1,16,5,1
+0,1,16,6,1
+0,1,16,7,1
+0,1,16,8,1
+0,1,16,9,1
+0,1,16,10,1
+0,1,16,11,1
+0,1,16,12,1
+0,1,16,13,1
+0,1,16,14,1
+0,1,16,15,1
+0,1,16,16,1
+0,1,16,17,1
+0,1,16,18,1
+0,1,16,19,1
+0,1,17,0,1
+0,1,17,1,1
+0,1,17,2,1
+0,1,17,3,1
+0,1,17,4,1
+0,1,17,5,1
+0,1,17,6,1
+0,1,17,7,1
+0,1,17,8,1
+0,1,17,9,1
+0,1,17,10,1
+0,1,17,11,1
+0,1,17,12,1
+0,1,17,13,1
+0,1,17,14,1
+0,1,17,15,1
+0,1,17,16,1
+0,1,17,17,1
+0,1,17,18,1
+0,1,17,19,1
+0,1,18,0,1
+0,1,18,1,1
+0,1,18,2,1
+0,1,18,3,1
+0,1,18,4,1
+0,1,18,5,1
+0,1,18,6,1
+0,1,18,7,1
+0,1,18,8,1
+0,1,18,9,1
+0,1,18,10,1
+0,1,18,11,1
+0,1,18,12,1
+0,1,18,13,1
+0,1,18,14,1
+0,1,18,15,1
+0,1,18,16,1
+0,1,18,17,1
+0,1,18,18,1
+0,1,18,19,1
+0,1,19,0,1
+0,1,19,1,1
+0,1,19,2,1
+0,1,19,3,1
+0,1,19,4,1
+0,1,19,5,1
+0,1,19,6,1
+0,1,19,7,1
+0,1,19,8,1
+0,1,19,9,1
+0,1,19,10,1
+0,1,19,11,1
+0,1,19,12,1
+0,1,19,13,1
+0,1,19,14,1
+0,1,19,15,1
+0,1,19,16,1
+0,1,19,17,1
+0,1,19,18,1
+0,1,19,19,1
+0,1,20,0,1
+0,1,20,1,1
+0,1,20,2,1
+0,1,20,3,1
+0,1,20,4,1
+0,1,20,5,1
+0,1,20,6,1
+0,1,20,7,1
+0,1,20,8,1
+0,1,20,9,1
+0,1,20,10,1
+0,1,20,11,1
+0,1,20,12,1
+0,1,20,13,1
+0,1,20,14,1
+0,1,20,15,1
+0,1,20,16,1
+0,1,20,17,1
+0,1,20,18,1
+0,1,20,19,1
+0,1,21,0,1
+0,1,21,1,1
+0,1,21,2,1
+0,1,21,3,1
+0,1,21,4,1
+0,1,21,5,1
+0,1,21,6,1
+0,1,21,7,1
+0,1,21,8,1
+0,1,21,9,1
+0,1,21,10,1
+0,1,21,11,1
+0,1,21,12,1
+0,1,21,13,1
+0,1,21,14,1
+0,1,21,15,1
+0,1,21,16,1
+0,1,21,17,1
+0,1,21,18,1
+0,1,21,19,1
+0,1,22,0,1
+0,1,22,1,1
+0,1,22,2,1
+0,1,22,3,1
+0,1,22,4,1
+0,1,22,5,1
+0,1,22,6,1
+0,1,22,7,1
+0,1,22,8,1
+0,1,22,9,1
+0,1,22,10,1
+0,1,22,11,1
+0,1,22,12,1
+0,1,22,13,1
+0,1,22,14,1
+0,1,22,15,1
+0,1,22,16,1
+0,1,22,17,1
+0,1,22,18,1
+0,1,22,19,1
+0,1,23,0,1
+0,1,23,1,1
+0,1,23,2,1
+0,1,23,3,1
+0,1,23,4,1
+0,1,23,5,1
+0,1,23,6,1
+0,1,23,7,1
+0,1,23,8,1
+0,1,23,9,1
+0,1,23,10,1
+0,1,23,11,1
+0,1,23,12,1
+0,1,23,13,1
+0,1,23,14,1
+0,1,23,15,1
+0,1,23,16,1
+0,1,23,17,1
+0,1,23,18,1
+0,1,23,19,1
+0,1,24,0,1
+0,1,24,1,1
+0,1,24,2,1
+0,1,24,3,1
+0,1,24,4,1
+0,1,24,5,1
+0,1,24,6,1
+0,1,24,7,1
+0,1,24,8,1
+0,1,24,9,1
+0,1,24,10,1
+0,1,24,11,1
+0,1,24,12,1
+0,1,24,13,1
+0,1,24,14,1
+0,1,24,15,1
+0,1,24,16,1
+0,1,24,17,1
+0,1,24,18,1
+0,1,24,19,1
+0,1,25,0,1
+0,1,25,1,1
+0,1,25,2,1
+0,1,25,3,1
+0,1,25,4,1
+0,1,25,5,1
+0,1,25,6,1
+0,1,25,7,1
+0,1,25,8,1
+0,1,25,9,1
+0,1,25,10,1
+0,1,25,11,1
+0,1,25,12,1
+0,1,25,13,1
+0,1,25,14,1
+0,1,25,15,1
+0,1,25,16,1
+0,1,25,17,1
+0,1,25,18,1
+0,1,25,19,1
+0,1,26,0,1
+0,1,26,1,1
+0,1,26,2,1
+0,1,26,3,1
+0,1,26,4,1
+0,1,26,5,1
+0,1,26,6,1
+0,1,26,7,1
+0,1,26,8,1
+0,1,26,9,1
+0,1,26,10,1
+0,1,26,11,1
+0,1,26,12,1
+0,1,26,13,1
+0,1,26,14,1
+0,1,26,15,1
+0,1,26,16,1
+0,1,26,17,1
+0,1,26,18,1
+0,1,26,19,1
+0,1,27,0,1
+0,1,27,1,1
+0,1,27,2,1
+0,1,27,3,1
+0,1,27,4,1
+0,1,27,5,1
+0,1,27,6,1
+0,1,27,7,1
+0,1,27,8,1
+0,1,27,9,1
+0,1,27,10,1
+0,1,27,11,1
+0,1,27,12,1
+0,1,27,13,1
+0,1,27,14,1
+0,1,27,15,1
+0,1,27,16,1
+0,1,27,17,1
+0,1,27,18,1
+0,1,27,19,1
+0,1,28,0,1
+0,1,28,1,1
+0,1,28,2,1
+0,1,28,3,1
+0,1,28,4,1
+0,1,28,5,1
+0,1,28,6,1
+0,1,28,7,1
+0,1,28,8,1
+0,1,28,9,1
+0,1,28,10,1
+0,1,28,11,1
+0,1,28,12,1
+0,1,28,13,1
+0,1,28,14,1
+0,1,28,15,1
+0,1,28,16,1
+0,1,28,17,1
+0,1,28,18,1
+0,1,28,19,1
+0,1,29,0,1
+0,1,29,1,1
+0,1,29,2,1
+0,1,29,3,1
+0,1,29,4,1
+0,1,29,5,1
+0,1,29,6,1
+0,1,29,7,1
+0,1,29,8,1
+0,1,29,9,1
+0,1,29,10,1
+0,1,29,11,1
+0,1,29,12,1
+0,1,29,13,1
+0,1,29,14,1
+0,1,29,15,1
+0,1,29,16,1
+0,1,29,17,1
+0,1,29,18,1
+0,1,29,19,1
+0,1,30,0,1
+0,1,30,1,1
+0,1,30,2,1
+0,1,30,3,1
+0,1,30,4,1
+0,1,30,5,1
+0,1,30,6,1
+0,1,30,7,1
+0,1,30,8,1
+0,1,30,9,1
+0,1,30,10,1
+0,1,30,11,1
+0,1,30,12,1
+0,1,30,13,1
+0,1,30,14,1
+0,1,30,15,1
+0,1,30,16,1
+0,1,30,17,1
+0,1,30,18,1
+0,1,30,19,1
+0,1,31,0,1
+0,1,31,1,1
+0,1,31,2,1
+0,1,31,3,1
+0,1,31,4,1
+0,1,31,5,1
+0,1,31,6,1
+0,1,31,7,1
+0,1,31,8,1
+0,1,31,9,1
+0,1,31,10,1
+0,1,31,11,1
+0,1,31,12,1
+0,1,31,13,1
+0,1,31,14,1
+0,1,31,15,1
+0,1,31,16,1
+0,1,31,17,1
+0,1,31,18,1
+0,1,31,19,1
+0,1,32,0,1
+0,1,32,1,1
+0,1,32,2,1
+0,1,32,3,1
+0,1,32,4,1
+0,1,32,5,1
+0,1,32,6,1
+0,1,32,7,1
+0,1,32,8,1
+0,1,32,9,1
+0,1,32,10,1
+0,1,32,11,1
+0,1,32,12,1
+0,1,32,13,1
+0,1,32,14,1
+0,1,32,15,1
+0,1,32,16,1
+0,1,32,17,1
+0,1,32,18,1
+0,1,32,19,1
+0,1,33,0,1
+0,1,33,1,1
+0,1,33,2,1
+0,1,33,3,1
+0,1,33,4,1
+0,1,33,5,1
+0,1,33,6,1
+0,1,33,7,1
+0,1,33,8,1
+0,1,33,9,1
+0,1,33,10,1
 1,0,33,11,1
 1,0,33,12,1
 1,0,33,13,1
@@ -7999,3 +4670,3332 @@ id_scenario,id_run,period,id,b
 1,0,99,17,1
 1,0,99,18,1
 1,0,99,19,1
+0,1,33,11,1
+0,1,33,12,1
+0,1,33,13,1
+0,1,33,14,1
+0,1,33,15,1
+0,1,33,16,1
+0,1,33,17,1
+0,1,33,18,1
+0,1,33,19,1
+0,1,34,0,1
+0,1,34,1,1
+0,1,34,2,1
+0,1,34,3,1
+0,1,34,4,1
+0,1,34,5,1
+0,1,34,6,1
+0,1,34,7,1
+0,1,34,8,1
+0,1,34,9,1
+0,1,34,10,1
+0,1,34,11,1
+0,1,34,12,1
+0,1,34,13,1
+0,1,34,14,1
+0,1,34,15,1
+0,1,34,16,1
+0,1,34,17,1
+0,1,34,18,1
+0,1,34,19,1
+0,1,35,0,1
+0,1,35,1,1
+0,1,35,2,1
+0,1,35,3,1
+0,1,35,4,1
+0,1,35,5,1
+0,1,35,6,1
+0,1,35,7,1
+0,1,35,8,1
+0,1,35,9,1
+0,1,35,10,1
+0,1,35,11,1
+0,1,35,12,1
+0,1,35,13,1
+0,1,35,14,1
+0,1,35,15,1
+0,1,35,16,1
+0,1,35,17,1
+0,1,35,18,1
+0,1,35,19,1
+0,1,36,0,1
+0,1,36,1,1
+0,1,36,2,1
+0,1,36,3,1
+0,1,36,4,1
+0,1,36,5,1
+0,1,36,6,1
+0,1,36,7,1
+0,1,36,8,1
+0,1,36,9,1
+0,1,36,10,1
+0,1,36,11,1
+0,1,36,12,1
+0,1,36,13,1
+0,1,36,14,1
+0,1,36,15,1
+0,1,36,16,1
+0,1,36,17,1
+0,1,36,18,1
+0,1,36,19,1
+0,1,37,0,1
+0,1,37,1,1
+0,1,37,2,1
+0,1,37,3,1
+0,1,37,4,1
+0,1,37,5,1
+0,1,37,6,1
+0,1,37,7,1
+0,1,37,8,1
+0,1,37,9,1
+0,1,37,10,1
+0,1,37,11,1
+0,1,37,12,1
+0,1,37,13,1
+0,1,37,14,1
+0,1,37,15,1
+0,1,37,16,1
+0,1,37,17,1
+0,1,37,18,1
+0,1,37,19,1
+0,1,38,0,1
+0,1,38,1,1
+0,1,38,2,1
+0,1,38,3,1
+0,1,38,4,1
+0,1,38,5,1
+0,1,38,6,1
+0,1,38,7,1
+0,1,38,8,1
+0,1,38,9,1
+0,1,38,10,1
+0,1,38,11,1
+0,1,38,12,1
+0,1,38,13,1
+0,1,38,14,1
+0,1,38,15,1
+0,1,38,16,1
+0,1,38,17,1
+0,1,38,18,1
+0,1,38,19,1
+0,1,39,0,1
+0,1,39,1,1
+0,1,39,2,1
+0,1,39,3,1
+0,1,39,4,1
+0,1,39,5,1
+0,1,39,6,1
+0,1,39,7,1
+0,1,39,8,1
+0,1,39,9,1
+0,1,39,10,1
+0,1,39,11,1
+0,1,39,12,1
+0,1,39,13,1
+0,1,39,14,1
+0,1,39,15,1
+0,1,39,16,1
+0,1,39,17,1
+0,1,39,18,1
+0,1,39,19,1
+0,1,40,0,1
+0,1,40,1,1
+0,1,40,2,1
+0,1,40,3,1
+0,1,40,4,1
+0,1,40,5,1
+0,1,40,6,1
+0,1,40,7,1
+0,1,40,8,1
+0,1,40,9,1
+0,1,40,10,1
+0,1,40,11,1
+0,1,40,12,1
+0,1,40,13,1
+0,1,40,14,1
+0,1,40,15,1
+0,1,40,16,1
+0,1,40,17,1
+0,1,40,18,1
+0,1,40,19,1
+0,1,41,0,1
+0,1,41,1,1
+0,1,41,2,1
+0,1,41,3,1
+0,1,41,4,1
+0,1,41,5,1
+0,1,41,6,1
+0,1,41,7,1
+0,1,41,8,1
+0,1,41,9,1
+0,1,41,10,1
+0,1,41,11,1
+0,1,41,12,1
+0,1,41,13,1
+0,1,41,14,1
+0,1,41,15,1
+0,1,41,16,1
+0,1,41,17,1
+0,1,41,18,1
+0,1,41,19,1
+0,1,42,0,1
+0,1,42,1,1
+0,1,42,2,1
+0,1,42,3,1
+0,1,42,4,1
+0,1,42,5,1
+0,1,42,6,1
+0,1,42,7,1
+0,1,42,8,1
+0,1,42,9,1
+0,1,42,10,1
+0,1,42,11,1
+0,1,42,12,1
+0,1,42,13,1
+0,1,42,14,1
+0,1,42,15,1
+0,1,42,16,1
+0,1,42,17,1
+0,1,42,18,1
+0,1,42,19,1
+0,1,43,0,1
+0,1,43,1,1
+0,1,43,2,1
+0,1,43,3,1
+0,1,43,4,1
+0,1,43,5,1
+0,1,43,6,1
+0,1,43,7,1
+0,1,43,8,1
+0,1,43,9,1
+0,1,43,10,1
+0,1,43,11,1
+0,1,43,12,1
+0,1,43,13,1
+0,1,43,14,1
+0,1,43,15,1
+0,1,43,16,1
+0,1,43,17,1
+0,1,43,18,1
+0,1,43,19,1
+0,1,44,0,1
+0,1,44,1,1
+0,1,44,2,1
+0,1,44,3,1
+0,1,44,4,1
+0,1,44,5,1
+0,1,44,6,1
+0,1,44,7,1
+0,1,44,8,1
+0,1,44,9,1
+0,1,44,10,1
+0,1,44,11,1
+0,1,44,12,1
+0,1,44,13,1
+0,1,44,14,1
+0,1,44,15,1
+0,1,44,16,1
+0,1,44,17,1
+0,1,44,18,1
+0,1,44,19,1
+0,1,45,0,1
+0,1,45,1,1
+0,1,45,2,1
+0,1,45,3,1
+0,1,45,4,1
+0,1,45,5,1
+0,1,45,6,1
+0,1,45,7,1
+0,1,45,8,1
+0,1,45,9,1
+0,1,45,10,1
+0,1,45,11,1
+0,1,45,12,1
+0,1,45,13,1
+0,1,45,14,1
+0,1,45,15,1
+0,1,45,16,1
+0,1,45,17,1
+0,1,45,18,1
+0,1,45,19,1
+0,1,46,0,1
+0,1,46,1,1
+0,1,46,2,1
+0,1,46,3,1
+0,1,46,4,1
+0,1,46,5,1
+0,1,46,6,1
+0,1,46,7,1
+0,1,46,8,1
+0,1,46,9,1
+0,1,46,10,1
+0,1,46,11,1
+0,1,46,12,1
+0,1,46,13,1
+0,1,46,14,1
+0,1,46,15,1
+0,1,46,16,1
+0,1,46,17,1
+0,1,46,18,1
+0,1,46,19,1
+0,1,47,0,1
+0,1,47,1,1
+0,1,47,2,1
+0,1,47,3,1
+0,1,47,4,1
+0,1,47,5,1
+0,1,47,6,1
+0,1,47,7,1
+0,1,47,8,1
+0,1,47,9,1
+0,1,47,10,1
+0,1,47,11,1
+0,1,47,12,1
+0,1,47,13,1
+0,1,47,14,1
+0,1,47,15,1
+0,1,47,16,1
+0,1,47,17,1
+0,1,47,18,1
+0,1,47,19,1
+0,1,48,0,1
+0,1,48,1,1
+0,1,48,2,1
+0,1,48,3,1
+0,1,48,4,1
+0,1,48,5,1
+0,1,48,6,1
+0,1,48,7,1
+0,1,48,8,1
+0,1,48,9,1
+0,1,48,10,1
+0,1,48,11,1
+0,1,48,12,1
+0,1,48,13,1
+0,1,48,14,1
+0,1,48,15,1
+0,1,48,16,1
+0,1,48,17,1
+0,1,48,18,1
+0,1,48,19,1
+0,1,49,0,1
+0,1,49,1,1
+0,1,49,2,1
+0,1,49,3,1
+0,1,49,4,1
+0,1,49,5,1
+0,1,49,6,1
+0,1,49,7,1
+0,1,49,8,1
+0,1,49,9,1
+0,1,49,10,1
+0,1,49,11,1
+0,1,49,12,1
+0,1,49,13,1
+0,1,49,14,1
+0,1,49,15,1
+0,1,49,16,1
+0,1,49,17,1
+0,1,49,18,1
+0,1,49,19,1
+0,1,50,0,1
+0,1,50,1,1
+0,1,50,2,1
+0,1,50,3,1
+0,1,50,4,1
+0,1,50,5,1
+0,1,50,6,1
+0,1,50,7,1
+0,1,50,8,1
+0,1,50,9,1
+0,1,50,10,1
+0,1,50,11,1
+0,1,50,12,1
+0,1,50,13,1
+0,1,50,14,1
+0,1,50,15,1
+0,1,50,16,1
+0,1,50,17,1
+0,1,50,18,1
+0,1,50,19,1
+0,1,51,0,1
+0,1,51,1,1
+0,1,51,2,1
+0,1,51,3,1
+0,1,51,4,1
+0,1,51,5,1
+0,1,51,6,1
+0,1,51,7,1
+0,1,51,8,1
+0,1,51,9,1
+0,1,51,10,1
+0,1,51,11,1
+0,1,51,12,1
+0,1,51,13,1
+0,1,51,14,1
+0,1,51,15,1
+0,1,51,16,1
+0,1,51,17,1
+0,1,51,18,1
+0,1,51,19,1
+0,1,52,0,1
+0,1,52,1,1
+0,1,52,2,1
+0,1,52,3,1
+0,1,52,4,1
+0,1,52,5,1
+0,1,52,6,1
+0,1,52,7,1
+0,1,52,8,1
+0,1,52,9,1
+0,1,52,10,1
+0,1,52,11,1
+0,1,52,12,1
+0,1,52,13,1
+0,1,52,14,1
+0,1,52,15,1
+0,1,52,16,1
+0,1,52,17,1
+0,1,52,18,1
+0,1,52,19,1
+0,1,53,0,1
+0,1,53,1,1
+0,1,53,2,1
+0,1,53,3,1
+0,1,53,4,1
+0,1,53,5,1
+0,1,53,6,1
+0,1,53,7,1
+0,1,53,8,1
+0,1,53,9,1
+0,1,53,10,1
+0,1,53,11,1
+0,1,53,12,1
+0,1,53,13,1
+0,1,53,14,1
+0,1,53,15,1
+0,1,53,16,1
+0,1,53,17,1
+0,1,53,18,1
+0,1,53,19,1
+0,1,54,0,1
+0,1,54,1,1
+0,1,54,2,1
+0,1,54,3,1
+0,1,54,4,1
+0,1,54,5,1
+0,1,54,6,1
+0,1,54,7,1
+0,1,54,8,1
+0,1,54,9,1
+0,1,54,10,1
+0,1,54,11,1
+0,1,54,12,1
+0,1,54,13,1
+0,1,54,14,1
+0,1,54,15,1
+0,1,54,16,1
+0,1,54,17,1
+0,1,54,18,1
+0,1,54,19,1
+0,1,55,0,1
+0,1,55,1,1
+0,1,55,2,1
+0,1,55,3,1
+0,1,55,4,1
+0,1,55,5,1
+0,1,55,6,1
+0,1,55,7,1
+0,1,55,8,1
+0,1,55,9,1
+0,1,55,10,1
+0,1,55,11,1
+0,1,55,12,1
+0,1,55,13,1
+0,1,55,14,1
+0,1,55,15,1
+0,1,55,16,1
+0,1,55,17,1
+0,1,55,18,1
+0,1,55,19,1
+0,1,56,0,1
+0,1,56,1,1
+0,1,56,2,1
+0,1,56,3,1
+0,1,56,4,1
+0,1,56,5,1
+0,1,56,6,1
+0,1,56,7,1
+0,1,56,8,1
+0,1,56,9,1
+0,1,56,10,1
+0,1,56,11,1
+0,1,56,12,1
+0,1,56,13,1
+0,1,56,14,1
+0,1,56,15,1
+0,1,56,16,1
+0,1,56,17,1
+0,1,56,18,1
+0,1,56,19,1
+0,1,57,0,1
+0,1,57,1,1
+0,1,57,2,1
+0,1,57,3,1
+0,1,57,4,1
+0,1,57,5,1
+0,1,57,6,1
+0,1,57,7,1
+0,1,57,8,1
+0,1,57,9,1
+0,1,57,10,1
+0,1,57,11,1
+0,1,57,12,1
+0,1,57,13,1
+0,1,57,14,1
+0,1,57,15,1
+0,1,57,16,1
+0,1,57,17,1
+0,1,57,18,1
+0,1,57,19,1
+0,1,58,0,1
+0,1,58,1,1
+0,1,58,2,1
+0,1,58,3,1
+0,1,58,4,1
+0,1,58,5,1
+0,1,58,6,1
+0,1,58,7,1
+0,1,58,8,1
+0,1,58,9,1
+0,1,58,10,1
+0,1,58,11,1
+0,1,58,12,1
+0,1,58,13,1
+0,1,58,14,1
+0,1,58,15,1
+0,1,58,16,1
+0,1,58,17,1
+0,1,58,18,1
+0,1,58,19,1
+0,1,59,0,1
+0,1,59,1,1
+0,1,59,2,1
+0,1,59,3,1
+0,1,59,4,1
+0,1,59,5,1
+0,1,59,6,1
+0,1,59,7,1
+0,1,59,8,1
+0,1,59,9,1
+0,1,59,10,1
+0,1,59,11,1
+0,1,59,12,1
+0,1,59,13,1
+0,1,59,14,1
+0,1,59,15,1
+0,1,59,16,1
+0,1,59,17,1
+0,1,59,18,1
+0,1,59,19,1
+0,1,60,0,1
+0,1,60,1,1
+0,1,60,2,1
+0,1,60,3,1
+0,1,60,4,1
+0,1,60,5,1
+0,1,60,6,1
+0,1,60,7,1
+0,1,60,8,1
+0,1,60,9,1
+0,1,60,10,1
+0,1,60,11,1
+0,1,60,12,1
+0,1,60,13,1
+0,1,60,14,1
+0,1,60,15,1
+0,1,60,16,1
+0,1,60,17,1
+0,1,60,18,1
+0,1,60,19,1
+0,1,61,0,1
+0,1,61,1,1
+0,1,61,2,1
+0,1,61,3,1
+0,1,61,4,1
+0,1,61,5,1
+0,1,61,6,1
+0,1,61,7,1
+0,1,61,8,1
+0,1,61,9,1
+0,1,61,10,1
+0,1,61,11,1
+0,1,61,12,1
+0,1,61,13,1
+0,1,61,14,1
+0,1,61,15,1
+0,1,61,16,1
+0,1,61,17,1
+0,1,61,18,1
+0,1,61,19,1
+0,1,62,0,1
+0,1,62,1,1
+0,1,62,2,1
+0,1,62,3,1
+0,1,62,4,1
+0,1,62,5,1
+0,1,62,6,1
+0,1,62,7,1
+0,1,62,8,1
+0,1,62,9,1
+0,1,62,10,1
+0,1,62,11,1
+0,1,62,12,1
+0,1,62,13,1
+0,1,62,14,1
+0,1,62,15,1
+0,1,62,16,1
+0,1,62,17,1
+0,1,62,18,1
+0,1,62,19,1
+0,1,63,0,1
+0,1,63,1,1
+0,1,63,2,1
+0,1,63,3,1
+0,1,63,4,1
+0,1,63,5,1
+0,1,63,6,1
+0,1,63,7,1
+0,1,63,8,1
+0,1,63,9,1
+0,1,63,10,1
+0,1,63,11,1
+0,1,63,12,1
+0,1,63,13,1
+0,1,63,14,1
+0,1,63,15,1
+0,1,63,16,1
+0,1,63,17,1
+0,1,63,18,1
+0,1,63,19,1
+0,1,64,0,1
+0,1,64,1,1
+0,1,64,2,1
+0,1,64,3,1
+0,1,64,4,1
+0,1,64,5,1
+0,1,64,6,1
+0,1,64,7,1
+0,1,64,8,1
+0,1,64,9,1
+0,1,64,10,1
+0,1,64,11,1
+0,1,64,12,1
+0,1,64,13,1
+0,1,64,14,1
+0,1,64,15,1
+0,1,64,16,1
+0,1,64,17,1
+0,1,64,18,1
+0,1,64,19,1
+0,1,65,0,1
+0,1,65,1,1
+0,1,65,2,1
+0,1,65,3,1
+0,1,65,4,1
+0,1,65,5,1
+0,1,65,6,1
+0,1,65,7,1
+0,1,65,8,1
+0,1,65,9,1
+0,1,65,10,1
+0,1,65,11,1
+0,1,65,12,1
+0,1,65,13,1
+0,1,65,14,1
+0,1,65,15,1
+0,1,65,16,1
+0,1,65,17,1
+0,1,65,18,1
+0,1,65,19,1
+0,1,66,0,1
+0,1,66,1,1
+0,1,66,2,1
+0,1,66,3,1
+0,1,66,4,1
+0,1,66,5,1
+0,1,66,6,1
+0,1,66,7,1
+0,1,66,8,1
+0,1,66,9,1
+0,1,66,10,1
+0,1,66,11,1
+0,1,66,12,1
+0,1,66,13,1
+0,1,66,14,1
+0,1,66,15,1
+0,1,66,16,1
+0,1,66,17,1
+0,1,66,18,1
+0,1,66,19,1
+0,1,67,0,1
+0,1,67,1,1
+0,1,67,2,1
+0,1,67,3,1
+0,1,67,4,1
+0,1,67,5,1
+0,1,67,6,1
+0,1,67,7,1
+0,1,67,8,1
+0,1,67,9,1
+0,1,67,10,1
+0,1,67,11,1
+0,1,67,12,1
+0,1,67,13,1
+0,1,67,14,1
+0,1,67,15,1
+0,1,67,16,1
+0,1,67,17,1
+0,1,67,18,1
+0,1,67,19,1
+0,1,68,0,1
+0,1,68,1,1
+0,1,68,2,1
+0,1,68,3,1
+0,1,68,4,1
+0,1,68,5,1
+0,1,68,6,1
+0,1,68,7,1
+0,1,68,8,1
+0,1,68,9,1
+0,1,68,10,1
+0,1,68,11,1
+0,1,68,12,1
+0,1,68,13,1
+0,1,68,14,1
+0,1,68,15,1
+0,1,68,16,1
+0,1,68,17,1
+0,1,68,18,1
+0,1,68,19,1
+0,1,69,0,1
+0,1,69,1,1
+0,1,69,2,1
+0,1,69,3,1
+0,1,69,4,1
+0,1,69,5,1
+0,1,69,6,1
+0,1,69,7,1
+0,1,69,8,1
+0,1,69,9,1
+0,1,69,10,1
+0,1,69,11,1
+0,1,69,12,1
+0,1,69,13,1
+0,1,69,14,1
+0,1,69,15,1
+0,1,69,16,1
+0,1,69,17,1
+0,1,69,18,1
+0,1,69,19,1
+0,1,70,0,1
+0,1,70,1,1
+0,1,70,2,1
+0,1,70,3,1
+0,1,70,4,1
+0,1,70,5,1
+0,1,70,6,1
+0,1,70,7,1
+0,1,70,8,1
+0,1,70,9,1
+0,1,70,10,1
+0,1,70,11,1
+0,1,70,12,1
+0,1,70,13,1
+0,1,70,14,1
+0,1,70,15,1
+0,1,70,16,1
+0,1,70,17,1
+0,1,70,18,1
+0,1,70,19,1
+0,1,71,0,1
+0,1,71,1,1
+0,1,71,2,1
+0,1,71,3,1
+0,1,71,4,1
+0,1,71,5,1
+0,1,71,6,1
+0,1,71,7,1
+0,1,71,8,1
+0,1,71,9,1
+0,1,71,10,1
+0,1,71,11,1
+0,1,71,12,1
+0,1,71,13,1
+0,1,71,14,1
+0,1,71,15,1
+0,1,71,16,1
+0,1,71,17,1
+0,1,71,18,1
+0,1,71,19,1
+0,1,72,0,1
+0,1,72,1,1
+0,1,72,2,1
+0,1,72,3,1
+0,1,72,4,1
+0,1,72,5,1
+0,1,72,6,1
+0,1,72,7,1
+0,1,72,8,1
+0,1,72,9,1
+0,1,72,10,1
+0,1,72,11,1
+0,1,72,12,1
+0,1,72,13,1
+0,1,72,14,1
+0,1,72,15,1
+0,1,72,16,1
+0,1,72,17,1
+0,1,72,18,1
+0,1,72,19,1
+0,1,73,0,1
+0,1,73,1,1
+0,1,73,2,1
+0,1,73,3,1
+0,1,73,4,1
+0,1,73,5,1
+0,1,73,6,1
+0,1,73,7,1
+0,1,73,8,1
+0,1,73,9,1
+0,1,73,10,1
+0,1,73,11,1
+0,1,73,12,1
+0,1,73,13,1
+0,1,73,14,1
+0,1,73,15,1
+0,1,73,16,1
+0,1,73,17,1
+0,1,73,18,1
+0,1,73,19,1
+0,1,74,0,1
+0,1,74,1,1
+0,1,74,2,1
+0,1,74,3,1
+0,1,74,4,1
+0,1,74,5,1
+0,1,74,6,1
+0,1,74,7,1
+0,1,74,8,1
+0,1,74,9,1
+0,1,74,10,1
+0,1,74,11,1
+0,1,74,12,1
+0,1,74,13,1
+0,1,74,14,1
+0,1,74,15,1
+0,1,74,16,1
+0,1,74,17,1
+0,1,74,18,1
+0,1,74,19,1
+0,1,75,0,1
+0,1,75,1,1
+0,1,75,2,1
+0,1,75,3,1
+0,1,75,4,1
+0,1,75,5,1
+0,1,75,6,1
+0,1,75,7,1
+0,1,75,8,1
+0,1,75,9,1
+0,1,75,10,1
+0,1,75,11,1
+0,1,75,12,1
+0,1,75,13,1
+0,1,75,14,1
+0,1,75,15,1
+0,1,75,16,1
+0,1,75,17,1
+0,1,75,18,1
+0,1,75,19,1
+0,1,76,0,1
+0,1,76,1,1
+0,1,76,2,1
+0,1,76,3,1
+0,1,76,4,1
+0,1,76,5,1
+0,1,76,6,1
+0,1,76,7,1
+0,1,76,8,1
+0,1,76,9,1
+0,1,76,10,1
+0,1,76,11,1
+0,1,76,12,1
+0,1,76,13,1
+0,1,76,14,1
+0,1,76,15,1
+0,1,76,16,1
+0,1,76,17,1
+0,1,76,18,1
+0,1,76,19,1
+0,1,77,0,1
+0,1,77,1,1
+0,1,77,2,1
+0,1,77,3,1
+0,1,77,4,1
+0,1,77,5,1
+0,1,77,6,1
+0,1,77,7,1
+0,1,77,8,1
+0,1,77,9,1
+0,1,77,10,1
+0,1,77,11,1
+0,1,77,12,1
+0,1,77,13,1
+0,1,77,14,1
+0,1,77,15,1
+0,1,77,16,1
+0,1,77,17,1
+0,1,77,18,1
+0,1,77,19,1
+0,1,78,0,1
+0,1,78,1,1
+0,1,78,2,1
+0,1,78,3,1
+0,1,78,4,1
+0,1,78,5,1
+0,1,78,6,1
+0,1,78,7,1
+0,1,78,8,1
+0,1,78,9,1
+0,1,78,10,1
+0,1,78,11,1
+0,1,78,12,1
+0,1,78,13,1
+0,1,78,14,1
+0,1,78,15,1
+0,1,78,16,1
+0,1,78,17,1
+0,1,78,18,1
+0,1,78,19,1
+0,1,79,0,1
+0,1,79,1,1
+0,1,79,2,1
+0,1,79,3,1
+0,1,79,4,1
+0,1,79,5,1
+0,1,79,6,1
+0,1,79,7,1
+0,1,79,8,1
+0,1,79,9,1
+0,1,79,10,1
+0,1,79,11,1
+0,1,79,12,1
+0,1,79,13,1
+0,1,79,14,1
+0,1,79,15,1
+0,1,79,16,1
+0,1,79,17,1
+0,1,79,18,1
+0,1,79,19,1
+0,1,80,0,1
+0,1,80,1,1
+0,1,80,2,1
+0,1,80,3,1
+0,1,80,4,1
+0,1,80,5,1
+0,1,80,6,1
+0,1,80,7,1
+0,1,80,8,1
+0,1,80,9,1
+0,1,80,10,1
+0,1,80,11,1
+0,1,80,12,1
+0,1,80,13,1
+0,1,80,14,1
+0,1,80,15,1
+0,1,80,16,1
+0,1,80,17,1
+0,1,80,18,1
+0,1,80,19,1
+0,1,81,0,1
+0,1,81,1,1
+0,1,81,2,1
+0,1,81,3,1
+0,1,81,4,1
+0,1,81,5,1
+0,1,81,6,1
+0,1,81,7,1
+0,1,81,8,1
+0,1,81,9,1
+0,1,81,10,1
+0,1,81,11,1
+0,1,81,12,1
+0,1,81,13,1
+0,1,81,14,1
+0,1,81,15,1
+0,1,81,16,1
+0,1,81,17,1
+0,1,81,18,1
+0,1,81,19,1
+0,1,82,0,1
+0,1,82,1,1
+0,1,82,2,1
+0,1,82,3,1
+0,1,82,4,1
+0,1,82,5,1
+0,1,82,6,1
+0,1,82,7,1
+0,1,82,8,1
+0,1,82,9,1
+0,1,82,10,1
+0,1,82,11,1
+0,1,82,12,1
+0,1,82,13,1
+0,1,82,14,1
+0,1,82,15,1
+0,1,82,16,1
+0,1,82,17,1
+0,1,82,18,1
+0,1,82,19,1
+0,1,83,0,1
+0,1,83,1,1
+0,1,83,2,1
+0,1,83,3,1
+0,1,83,4,1
+0,1,83,5,1
+0,1,83,6,1
+0,1,83,7,1
+0,1,83,8,1
+0,1,83,9,1
+0,1,83,10,1
+0,1,83,11,1
+0,1,83,12,1
+0,1,83,13,1
+0,1,83,14,1
+0,1,83,15,1
+0,1,83,16,1
+0,1,83,17,1
+0,1,83,18,1
+0,1,83,19,1
+0,1,84,0,1
+0,1,84,1,1
+0,1,84,2,1
+0,1,84,3,1
+0,1,84,4,1
+0,1,84,5,1
+0,1,84,6,1
+0,1,84,7,1
+0,1,84,8,1
+0,1,84,9,1
+0,1,84,10,1
+0,1,84,11,1
+0,1,84,12,1
+0,1,84,13,1
+0,1,84,14,1
+0,1,84,15,1
+0,1,84,16,1
+0,1,84,17,1
+0,1,84,18,1
+0,1,84,19,1
+0,1,85,0,1
+0,1,85,1,1
+0,1,85,2,1
+0,1,85,3,1
+0,1,85,4,1
+0,1,85,5,1
+0,1,85,6,1
+0,1,85,7,1
+0,1,85,8,1
+0,1,85,9,1
+0,1,85,10,1
+0,1,85,11,1
+0,1,85,12,1
+0,1,85,13,1
+0,1,85,14,1
+0,1,85,15,1
+0,1,85,16,1
+0,1,85,17,1
+0,1,85,18,1
+0,1,85,19,1
+0,1,86,0,1
+0,1,86,1,1
+0,1,86,2,1
+0,1,86,3,1
+0,1,86,4,1
+0,1,86,5,1
+0,1,86,6,1
+0,1,86,7,1
+0,1,86,8,1
+0,1,86,9,1
+0,1,86,10,1
+0,1,86,11,1
+0,1,86,12,1
+0,1,86,13,1
+0,1,86,14,1
+0,1,86,15,1
+0,1,86,16,1
+0,1,86,17,1
+0,1,86,18,1
+0,1,86,19,1
+0,1,87,0,1
+0,1,87,1,1
+0,1,87,2,1
+0,1,87,3,1
+0,1,87,4,1
+0,1,87,5,1
+0,1,87,6,1
+0,1,87,7,1
+0,1,87,8,1
+0,1,87,9,1
+0,1,87,10,1
+0,1,87,11,1
+0,1,87,12,1
+0,1,87,13,1
+0,1,87,14,1
+0,1,87,15,1
+0,1,87,16,1
+0,1,87,17,1
+0,1,87,18,1
+0,1,87,19,1
+0,1,88,0,1
+0,1,88,1,1
+0,1,88,2,1
+0,1,88,3,1
+0,1,88,4,1
+0,1,88,5,1
+0,1,88,6,1
+0,1,88,7,1
+0,1,88,8,1
+0,1,88,9,1
+0,1,88,10,1
+0,1,88,11,1
+0,1,88,12,1
+0,1,88,13,1
+0,1,88,14,1
+0,1,88,15,1
+0,1,88,16,1
+0,1,88,17,1
+0,1,88,18,1
+0,1,88,19,1
+0,1,89,0,1
+0,1,89,1,1
+0,1,89,2,1
+0,1,89,3,1
+0,1,89,4,1
+0,1,89,5,1
+0,1,89,6,1
+0,1,89,7,1
+0,1,89,8,1
+0,1,89,9,1
+0,1,89,10,1
+0,1,89,11,1
+0,1,89,12,1
+0,1,89,13,1
+0,1,89,14,1
+0,1,89,15,1
+0,1,89,16,1
+0,1,89,17,1
+0,1,89,18,1
+0,1,89,19,1
+0,1,90,0,1
+0,1,90,1,1
+0,1,90,2,1
+0,1,90,3,1
+0,1,90,4,1
+0,1,90,5,1
+0,1,90,6,1
+0,1,90,7,1
+0,1,90,8,1
+0,1,90,9,1
+0,1,90,10,1
+0,1,90,11,1
+0,1,90,12,1
+0,1,90,13,1
+0,1,90,14,1
+0,1,90,15,1
+0,1,90,16,1
+0,1,90,17,1
+0,1,90,18,1
+0,1,90,19,1
+0,1,91,0,1
+0,1,91,1,1
+0,1,91,2,1
+0,1,91,3,1
+0,1,91,4,1
+0,1,91,5,1
+0,1,91,6,1
+0,1,91,7,1
+0,1,91,8,1
+0,1,91,9,1
+0,1,91,10,1
+0,1,91,11,1
+0,1,91,12,1
+0,1,91,13,1
+0,1,91,14,1
+0,1,91,15,1
+0,1,91,16,1
+0,1,91,17,1
+0,1,91,18,1
+0,1,91,19,1
+0,1,92,0,1
+0,1,92,1,1
+0,1,92,2,1
+0,1,92,3,1
+0,1,92,4,1
+0,1,92,5,1
+0,1,92,6,1
+0,1,92,7,1
+0,1,92,8,1
+0,1,92,9,1
+0,1,92,10,1
+0,1,92,11,1
+0,1,92,12,1
+0,1,92,13,1
+0,1,92,14,1
+0,1,92,15,1
+0,1,92,16,1
+0,1,92,17,1
+0,1,92,18,1
+0,1,92,19,1
+0,1,93,0,1
+0,1,93,1,1
+0,1,93,2,1
+0,1,93,3,1
+0,1,93,4,1
+0,1,93,5,1
+0,1,93,6,1
+0,1,93,7,1
+0,1,93,8,1
+0,1,93,9,1
+0,1,93,10,1
+0,1,93,11,1
+0,1,93,12,1
+0,1,93,13,1
+0,1,93,14,1
+0,1,93,15,1
+0,1,93,16,1
+0,1,93,17,1
+0,1,93,18,1
+0,1,93,19,1
+0,1,94,0,1
+0,1,94,1,1
+0,1,94,2,1
+0,1,94,3,1
+0,1,94,4,1
+0,1,94,5,1
+0,1,94,6,1
+0,1,94,7,1
+0,1,94,8,1
+0,1,94,9,1
+0,1,94,10,1
+0,1,94,11,1
+0,1,94,12,1
+0,1,94,13,1
+0,1,94,14,1
+0,1,94,15,1
+0,1,94,16,1
+0,1,94,17,1
+0,1,94,18,1
+0,1,94,19,1
+0,1,95,0,1
+0,1,95,1,1
+0,1,95,2,1
+0,1,95,3,1
+0,1,95,4,1
+0,1,95,5,1
+0,1,95,6,1
+0,1,95,7,1
+0,1,95,8,1
+0,1,95,9,1
+0,1,95,10,1
+0,1,95,11,1
+0,1,95,12,1
+0,1,95,13,1
+0,1,95,14,1
+0,1,95,15,1
+0,1,95,16,1
+0,1,95,17,1
+0,1,95,18,1
+0,1,95,19,1
+0,1,96,0,1
+0,1,96,1,1
+0,1,96,2,1
+0,1,96,3,1
+0,1,96,4,1
+0,1,96,5,1
+0,1,96,6,1
+0,1,96,7,1
+0,1,96,8,1
+0,1,96,9,1
+0,1,96,10,1
+0,1,96,11,1
+0,1,96,12,1
+0,1,96,13,1
+0,1,96,14,1
+0,1,96,15,1
+0,1,96,16,1
+0,1,96,17,1
+0,1,96,18,1
+0,1,96,19,1
+0,1,97,0,1
+0,1,97,1,1
+0,1,97,2,1
+0,1,97,3,1
+0,1,97,4,1
+0,1,97,5,1
+0,1,97,6,1
+0,1,97,7,1
+0,1,97,8,1
+0,1,97,9,1
+0,1,97,10,1
+0,1,97,11,1
+0,1,97,12,1
+0,1,97,13,1
+0,1,97,14,1
+0,1,97,15,1
+0,1,97,16,1
+0,1,97,17,1
+0,1,97,18,1
+0,1,97,19,1
+0,1,98,0,1
+0,1,98,1,1
+0,1,98,2,1
+0,1,98,3,1
+0,1,98,4,1
+0,1,98,5,1
+0,1,98,6,1
+0,1,98,7,1
+0,1,98,8,1
+0,1,98,9,1
+0,1,98,10,1
+0,1,98,11,1
+0,1,98,12,1
+0,1,98,13,1
+0,1,98,14,1
+0,1,98,15,1
+0,1,98,16,1
+0,1,98,17,1
+0,1,98,18,1
+0,1,98,19,1
+0,1,99,0,1
+0,1,99,1,1
+0,1,99,2,1
+0,1,99,3,1
+0,1,99,4,1
+0,1,99,5,1
+0,1,99,6,1
+0,1,99,7,1
+0,1,99,8,1
+0,1,99,9,1
+0,1,99,10,1
+0,1,99,11,1
+0,1,99,12,1
+0,1,99,13,1
+0,1,99,14,1
+0,1,99,15,1
+0,1,99,16,1
+0,1,99,17,1
+0,1,99,18,1
+0,1,99,19,1
+1,1,0,0,1
+1,1,0,1,1
+1,1,0,2,1
+1,1,0,3,1
+1,1,0,4,1
+1,1,0,5,1
+1,1,0,6,1
+1,1,0,7,1
+1,1,0,8,1
+1,1,0,9,1
+1,1,0,10,1
+1,1,0,11,1
+1,1,0,12,1
+1,1,0,13,1
+1,1,0,14,1
+1,1,0,15,1
+1,1,0,16,1
+1,1,0,17,1
+1,1,0,18,1
+1,1,0,19,1
+1,1,1,0,1
+1,1,1,1,1
+1,1,1,2,1
+1,1,1,3,1
+1,1,1,4,1
+1,1,1,5,1
+1,1,1,6,1
+1,1,1,7,1
+1,1,1,8,1
+1,1,1,9,1
+1,1,1,10,1
+1,1,1,11,1
+1,1,1,12,1
+1,1,1,13,1
+1,1,1,14,1
+1,1,1,15,1
+1,1,1,16,1
+1,1,1,17,1
+1,1,1,18,1
+1,1,1,19,1
+1,1,2,0,1
+1,1,2,1,1
+1,1,2,2,1
+1,1,2,3,1
+1,1,2,4,1
+1,1,2,5,1
+1,1,2,6,1
+1,1,2,7,1
+1,1,2,8,1
+1,1,2,9,1
+1,1,2,10,1
+1,1,2,11,1
+1,1,2,12,1
+1,1,2,13,1
+1,1,2,14,1
+1,1,2,15,1
+1,1,2,16,1
+1,1,2,17,1
+1,1,2,18,1
+1,1,2,19,1
+1,1,3,0,1
+1,1,3,1,1
+1,1,3,2,1
+1,1,3,3,1
+1,1,3,4,1
+1,1,3,5,1
+1,1,3,6,1
+1,1,3,7,1
+1,1,3,8,1
+1,1,3,9,1
+1,1,3,10,1
+1,1,3,11,1
+1,1,3,12,1
+1,1,3,13,1
+1,1,3,14,1
+1,1,3,15,1
+1,1,3,16,1
+1,1,3,17,1
+1,1,3,18,1
+1,1,3,19,1
+1,1,4,0,1
+1,1,4,1,1
+1,1,4,2,1
+1,1,4,3,1
+1,1,4,4,1
+1,1,4,5,1
+1,1,4,6,1
+1,1,4,7,1
+1,1,4,8,1
+1,1,4,9,1
+1,1,4,10,1
+1,1,4,11,1
+1,1,4,12,1
+1,1,4,13,1
+1,1,4,14,1
+1,1,4,15,1
+1,1,4,16,1
+1,1,4,17,1
+1,1,4,18,1
+1,1,4,19,1
+1,1,5,0,1
+1,1,5,1,1
+1,1,5,2,1
+1,1,5,3,1
+1,1,5,4,1
+1,1,5,5,1
+1,1,5,6,1
+1,1,5,7,1
+1,1,5,8,1
+1,1,5,9,1
+1,1,5,10,1
+1,1,5,11,1
+1,1,5,12,1
+1,1,5,13,1
+1,1,5,14,1
+1,1,5,15,1
+1,1,5,16,1
+1,1,5,17,1
+1,1,5,18,1
+1,1,5,19,1
+1,1,6,0,1
+1,1,6,1,1
+1,1,6,2,1
+1,1,6,3,1
+1,1,6,4,1
+1,1,6,5,1
+1,1,6,6,1
+1,1,6,7,1
+1,1,6,8,1
+1,1,6,9,1
+1,1,6,10,1
+1,1,6,11,1
+1,1,6,12,1
+1,1,6,13,1
+1,1,6,14,1
+1,1,6,15,1
+1,1,6,16,1
+1,1,6,17,1
+1,1,6,18,1
+1,1,6,19,1
+1,1,7,0,1
+1,1,7,1,1
+1,1,7,2,1
+1,1,7,3,1
+1,1,7,4,1
+1,1,7,5,1
+1,1,7,6,1
+1,1,7,7,1
+1,1,7,8,1
+1,1,7,9,1
+1,1,7,10,1
+1,1,7,11,1
+1,1,7,12,1
+1,1,7,13,1
+1,1,7,14,1
+1,1,7,15,1
+1,1,7,16,1
+1,1,7,17,1
+1,1,7,18,1
+1,1,7,19,1
+1,1,8,0,1
+1,1,8,1,1
+1,1,8,2,1
+1,1,8,3,1
+1,1,8,4,1
+1,1,8,5,1
+1,1,8,6,1
+1,1,8,7,1
+1,1,8,8,1
+1,1,8,9,1
+1,1,8,10,1
+1,1,8,11,1
+1,1,8,12,1
+1,1,8,13,1
+1,1,8,14,1
+1,1,8,15,1
+1,1,8,16,1
+1,1,8,17,1
+1,1,8,18,1
+1,1,8,19,1
+1,1,9,0,1
+1,1,9,1,1
+1,1,9,2,1
+1,1,9,3,1
+1,1,9,4,1
+1,1,9,5,1
+1,1,9,6,1
+1,1,9,7,1
+1,1,9,8,1
+1,1,9,9,1
+1,1,9,10,1
+1,1,9,11,1
+1,1,9,12,1
+1,1,9,13,1
+1,1,9,14,1
+1,1,9,15,1
+1,1,9,16,1
+1,1,9,17,1
+1,1,9,18,1
+1,1,9,19,1
+1,1,10,0,1
+1,1,10,1,1
+1,1,10,2,1
+1,1,10,3,1
+1,1,10,4,1
+1,1,10,5,1
+1,1,10,6,1
+1,1,10,7,1
+1,1,10,8,1
+1,1,10,9,1
+1,1,10,10,1
+1,1,10,11,1
+1,1,10,12,1
+1,1,10,13,1
+1,1,10,14,1
+1,1,10,15,1
+1,1,10,16,1
+1,1,10,17,1
+1,1,10,18,1
+1,1,10,19,1
+1,1,11,0,1
+1,1,11,1,1
+1,1,11,2,1
+1,1,11,3,1
+1,1,11,4,1
+1,1,11,5,1
+1,1,11,6,1
+1,1,11,7,1
+1,1,11,8,1
+1,1,11,9,1
+1,1,11,10,1
+1,1,11,11,1
+1,1,11,12,1
+1,1,11,13,1
+1,1,11,14,1
+1,1,11,15,1
+1,1,11,16,1
+1,1,11,17,1
+1,1,11,18,1
+1,1,11,19,1
+1,1,12,0,1
+1,1,12,1,1
+1,1,12,2,1
+1,1,12,3,1
+1,1,12,4,1
+1,1,12,5,1
+1,1,12,6,1
+1,1,12,7,1
+1,1,12,8,1
+1,1,12,9,1
+1,1,12,10,1
+1,1,12,11,1
+1,1,12,12,1
+1,1,12,13,1
+1,1,12,14,1
+1,1,12,15,1
+1,1,12,16,1
+1,1,12,17,1
+1,1,12,18,1
+1,1,12,19,1
+1,1,13,0,1
+1,1,13,1,1
+1,1,13,2,1
+1,1,13,3,1
+1,1,13,4,1
+1,1,13,5,1
+1,1,13,6,1
+1,1,13,7,1
+1,1,13,8,1
+1,1,13,9,1
+1,1,13,10,1
+1,1,13,11,1
+1,1,13,12,1
+1,1,13,13,1
+1,1,13,14,1
+1,1,13,15,1
+1,1,13,16,1
+1,1,13,17,1
+1,1,13,18,1
+1,1,13,19,1
+1,1,14,0,1
+1,1,14,1,1
+1,1,14,2,1
+1,1,14,3,1
+1,1,14,4,1
+1,1,14,5,1
+1,1,14,6,1
+1,1,14,7,1
+1,1,14,8,1
+1,1,14,9,1
+1,1,14,10,1
+1,1,14,11,1
+1,1,14,12,1
+1,1,14,13,1
+1,1,14,14,1
+1,1,14,15,1
+1,1,14,16,1
+1,1,14,17,1
+1,1,14,18,1
+1,1,14,19,1
+1,1,15,0,1
+1,1,15,1,1
+1,1,15,2,1
+1,1,15,3,1
+1,1,15,4,1
+1,1,15,5,1
+1,1,15,6,1
+1,1,15,7,1
+1,1,15,8,1
+1,1,15,9,1
+1,1,15,10,1
+1,1,15,11,1
+1,1,15,12,1
+1,1,15,13,1
+1,1,15,14,1
+1,1,15,15,1
+1,1,15,16,1
+1,1,15,17,1
+1,1,15,18,1
+1,1,15,19,1
+1,1,16,0,1
+1,1,16,1,1
+1,1,16,2,1
+1,1,16,3,1
+1,1,16,4,1
+1,1,16,5,1
+1,1,16,6,1
+1,1,16,7,1
+1,1,16,8,1
+1,1,16,9,1
+1,1,16,10,1
+1,1,16,11,1
+1,1,16,12,1
+1,1,16,13,1
+1,1,16,14,1
+1,1,16,15,1
+1,1,16,16,1
+1,1,16,17,1
+1,1,16,18,1
+1,1,16,19,1
+1,1,17,0,1
+1,1,17,1,1
+1,1,17,2,1
+1,1,17,3,1
+1,1,17,4,1
+1,1,17,5,1
+1,1,17,6,1
+1,1,17,7,1
+1,1,17,8,1
+1,1,17,9,1
+1,1,17,10,1
+1,1,17,11,1
+1,1,17,12,1
+1,1,17,13,1
+1,1,17,14,1
+1,1,17,15,1
+1,1,17,16,1
+1,1,17,17,1
+1,1,17,18,1
+1,1,17,19,1
+1,1,18,0,1
+1,1,18,1,1
+1,1,18,2,1
+1,1,18,3,1
+1,1,18,4,1
+1,1,18,5,1
+1,1,18,6,1
+1,1,18,7,1
+1,1,18,8,1
+1,1,18,9,1
+1,1,18,10,1
+1,1,18,11,1
+1,1,18,12,1
+1,1,18,13,1
+1,1,18,14,1
+1,1,18,15,1
+1,1,18,16,1
+1,1,18,17,1
+1,1,18,18,1
+1,1,18,19,1
+1,1,19,0,1
+1,1,19,1,1
+1,1,19,2,1
+1,1,19,3,1
+1,1,19,4,1
+1,1,19,5,1
+1,1,19,6,1
+1,1,19,7,1
+1,1,19,8,1
+1,1,19,9,1
+1,1,19,10,1
+1,1,19,11,1
+1,1,19,12,1
+1,1,19,13,1
+1,1,19,14,1
+1,1,19,15,1
+1,1,19,16,1
+1,1,19,17,1
+1,1,19,18,1
+1,1,19,19,1
+1,1,20,0,1
+1,1,20,1,1
+1,1,20,2,1
+1,1,20,3,1
+1,1,20,4,1
+1,1,20,5,1
+1,1,20,6,1
+1,1,20,7,1
+1,1,20,8,1
+1,1,20,9,1
+1,1,20,10,1
+1,1,20,11,1
+1,1,20,12,1
+1,1,20,13,1
+1,1,20,14,1
+1,1,20,15,1
+1,1,20,16,1
+1,1,20,17,1
+1,1,20,18,1
+1,1,20,19,1
+1,1,21,0,1
+1,1,21,1,1
+1,1,21,2,1
+1,1,21,3,1
+1,1,21,4,1
+1,1,21,5,1
+1,1,21,6,1
+1,1,21,7,1
+1,1,21,8,1
+1,1,21,9,1
+1,1,21,10,1
+1,1,21,11,1
+1,1,21,12,1
+1,1,21,13,1
+1,1,21,14,1
+1,1,21,15,1
+1,1,21,16,1
+1,1,21,17,1
+1,1,21,18,1
+1,1,21,19,1
+1,1,22,0,1
+1,1,22,1,1
+1,1,22,2,1
+1,1,22,3,1
+1,1,22,4,1
+1,1,22,5,1
+1,1,22,6,1
+1,1,22,7,1
+1,1,22,8,1
+1,1,22,9,1
+1,1,22,10,1
+1,1,22,11,1
+1,1,22,12,1
+1,1,22,13,1
+1,1,22,14,1
+1,1,22,15,1
+1,1,22,16,1
+1,1,22,17,1
+1,1,22,18,1
+1,1,22,19,1
+1,1,23,0,1
+1,1,23,1,1
+1,1,23,2,1
+1,1,23,3,1
+1,1,23,4,1
+1,1,23,5,1
+1,1,23,6,1
+1,1,23,7,1
+1,1,23,8,1
+1,1,23,9,1
+1,1,23,10,1
+1,1,23,11,1
+1,1,23,12,1
+1,1,23,13,1
+1,1,23,14,1
+1,1,23,15,1
+1,1,23,16,1
+1,1,23,17,1
+1,1,23,18,1
+1,1,23,19,1
+1,1,24,0,1
+1,1,24,1,1
+1,1,24,2,1
+1,1,24,3,1
+1,1,24,4,1
+1,1,24,5,1
+1,1,24,6,1
+1,1,24,7,1
+1,1,24,8,1
+1,1,24,9,1
+1,1,24,10,1
+1,1,24,11,1
+1,1,24,12,1
+1,1,24,13,1
+1,1,24,14,1
+1,1,24,15,1
+1,1,24,16,1
+1,1,24,17,1
+1,1,24,18,1
+1,1,24,19,1
+1,1,25,0,1
+1,1,25,1,1
+1,1,25,2,1
+1,1,25,3,1
+1,1,25,4,1
+1,1,25,5,1
+1,1,25,6,1
+1,1,25,7,1
+1,1,25,8,1
+1,1,25,9,1
+1,1,25,10,1
+1,1,25,11,1
+1,1,25,12,1
+1,1,25,13,1
+1,1,25,14,1
+1,1,25,15,1
+1,1,25,16,1
+1,1,25,17,1
+1,1,25,18,1
+1,1,25,19,1
+1,1,26,0,1
+1,1,26,1,1
+1,1,26,2,1
+1,1,26,3,1
+1,1,26,4,1
+1,1,26,5,1
+1,1,26,6,1
+1,1,26,7,1
+1,1,26,8,1
+1,1,26,9,1
+1,1,26,10,1
+1,1,26,11,1
+1,1,26,12,1
+1,1,26,13,1
+1,1,26,14,1
+1,1,26,15,1
+1,1,26,16,1
+1,1,26,17,1
+1,1,26,18,1
+1,1,26,19,1
+1,1,27,0,1
+1,1,27,1,1
+1,1,27,2,1
+1,1,27,3,1
+1,1,27,4,1
+1,1,27,5,1
+1,1,27,6,1
+1,1,27,7,1
+1,1,27,8,1
+1,1,27,9,1
+1,1,27,10,1
+1,1,27,11,1
+1,1,27,12,1
+1,1,27,13,1
+1,1,27,14,1
+1,1,27,15,1
+1,1,27,16,1
+1,1,27,17,1
+1,1,27,18,1
+1,1,27,19,1
+1,1,28,0,1
+1,1,28,1,1
+1,1,28,2,1
+1,1,28,3,1
+1,1,28,4,1
+1,1,28,5,1
+1,1,28,6,1
+1,1,28,7,1
+1,1,28,8,1
+1,1,28,9,1
+1,1,28,10,1
+1,1,28,11,1
+1,1,28,12,1
+1,1,28,13,1
+1,1,28,14,1
+1,1,28,15,1
+1,1,28,16,1
+1,1,28,17,1
+1,1,28,18,1
+1,1,28,19,1
+1,1,29,0,1
+1,1,29,1,1
+1,1,29,2,1
+1,1,29,3,1
+1,1,29,4,1
+1,1,29,5,1
+1,1,29,6,1
+1,1,29,7,1
+1,1,29,8,1
+1,1,29,9,1
+1,1,29,10,1
+1,1,29,11,1
+1,1,29,12,1
+1,1,29,13,1
+1,1,29,14,1
+1,1,29,15,1
+1,1,29,16,1
+1,1,29,17,1
+1,1,29,18,1
+1,1,29,19,1
+1,1,30,0,1
+1,1,30,1,1
+1,1,30,2,1
+1,1,30,3,1
+1,1,30,4,1
+1,1,30,5,1
+1,1,30,6,1
+1,1,30,7,1
+1,1,30,8,1
+1,1,30,9,1
+1,1,30,10,1
+1,1,30,11,1
+1,1,30,12,1
+1,1,30,13,1
+1,1,30,14,1
+1,1,30,15,1
+1,1,30,16,1
+1,1,30,17,1
+1,1,30,18,1
+1,1,30,19,1
+1,1,31,0,1
+1,1,31,1,1
+1,1,31,2,1
+1,1,31,3,1
+1,1,31,4,1
+1,1,31,5,1
+1,1,31,6,1
+1,1,31,7,1
+1,1,31,8,1
+1,1,31,9,1
+1,1,31,10,1
+1,1,31,11,1
+1,1,31,12,1
+1,1,31,13,1
+1,1,31,14,1
+1,1,31,15,1
+1,1,31,16,1
+1,1,31,17,1
+1,1,31,18,1
+1,1,31,19,1
+1,1,32,0,1
+1,1,32,1,1
+1,1,32,2,1
+1,1,32,3,1
+1,1,32,4,1
+1,1,32,5,1
+1,1,32,6,1
+1,1,32,7,1
+1,1,32,8,1
+1,1,32,9,1
+1,1,32,10,1
+1,1,32,11,1
+1,1,32,12,1
+1,1,32,13,1
+1,1,32,14,1
+1,1,32,15,1
+1,1,32,16,1
+1,1,32,17,1
+1,1,32,18,1
+1,1,32,19,1
+1,1,33,0,1
+1,1,33,1,1
+1,1,33,2,1
+1,1,33,3,1
+1,1,33,4,1
+1,1,33,5,1
+1,1,33,6,1
+1,1,33,7,1
+1,1,33,8,1
+1,1,33,9,1
+1,1,33,10,1
+1,1,33,11,1
+1,1,33,12,1
+1,1,33,13,1
+1,1,33,14,1
+1,1,33,15,1
+1,1,33,16,1
+1,1,33,17,1
+1,1,33,18,1
+1,1,33,19,1
+1,1,34,0,1
+1,1,34,1,1
+1,1,34,2,1
+1,1,34,3,1
+1,1,34,4,1
+1,1,34,5,1
+1,1,34,6,1
+1,1,34,7,1
+1,1,34,8,1
+1,1,34,9,1
+1,1,34,10,1
+1,1,34,11,1
+1,1,34,12,1
+1,1,34,13,1
+1,1,34,14,1
+1,1,34,15,1
+1,1,34,16,1
+1,1,34,17,1
+1,1,34,18,1
+1,1,34,19,1
+1,1,35,0,1
+1,1,35,1,1
+1,1,35,2,1
+1,1,35,3,1
+1,1,35,4,1
+1,1,35,5,1
+1,1,35,6,1
+1,1,35,7,1
+1,1,35,8,1
+1,1,35,9,1
+1,1,35,10,1
+1,1,35,11,1
+1,1,35,12,1
+1,1,35,13,1
+1,1,35,14,1
+1,1,35,15,1
+1,1,35,16,1
+1,1,35,17,1
+1,1,35,18,1
+1,1,35,19,1
+1,1,36,0,1
+1,1,36,1,1
+1,1,36,2,1
+1,1,36,3,1
+1,1,36,4,1
+1,1,36,5,1
+1,1,36,6,1
+1,1,36,7,1
+1,1,36,8,1
+1,1,36,9,1
+1,1,36,10,1
+1,1,36,11,1
+1,1,36,12,1
+1,1,36,13,1
+1,1,36,14,1
+1,1,36,15,1
+1,1,36,16,1
+1,1,36,17,1
+1,1,36,18,1
+1,1,36,19,1
+1,1,37,0,1
+1,1,37,1,1
+1,1,37,2,1
+1,1,37,3,1
+1,1,37,4,1
+1,1,37,5,1
+1,1,37,6,1
+1,1,37,7,1
+1,1,37,8,1
+1,1,37,9,1
+1,1,37,10,1
+1,1,37,11,1
+1,1,37,12,1
+1,1,37,13,1
+1,1,37,14,1
+1,1,37,15,1
+1,1,37,16,1
+1,1,37,17,1
+1,1,37,18,1
+1,1,37,19,1
+1,1,38,0,1
+1,1,38,1,1
+1,1,38,2,1
+1,1,38,3,1
+1,1,38,4,1
+1,1,38,5,1
+1,1,38,6,1
+1,1,38,7,1
+1,1,38,8,1
+1,1,38,9,1
+1,1,38,10,1
+1,1,38,11,1
+1,1,38,12,1
+1,1,38,13,1
+1,1,38,14,1
+1,1,38,15,1
+1,1,38,16,1
+1,1,38,17,1
+1,1,38,18,1
+1,1,38,19,1
+1,1,39,0,1
+1,1,39,1,1
+1,1,39,2,1
+1,1,39,3,1
+1,1,39,4,1
+1,1,39,5,1
+1,1,39,6,1
+1,1,39,7,1
+1,1,39,8,1
+1,1,39,9,1
+1,1,39,10,1
+1,1,39,11,1
+1,1,39,12,1
+1,1,39,13,1
+1,1,39,14,1
+1,1,39,15,1
+1,1,39,16,1
+1,1,39,17,1
+1,1,39,18,1
+1,1,39,19,1
+1,1,40,0,1
+1,1,40,1,1
+1,1,40,2,1
+1,1,40,3,1
+1,1,40,4,1
+1,1,40,5,1
+1,1,40,6,1
+1,1,40,7,1
+1,1,40,8,1
+1,1,40,9,1
+1,1,40,10,1
+1,1,40,11,1
+1,1,40,12,1
+1,1,40,13,1
+1,1,40,14,1
+1,1,40,15,1
+1,1,40,16,1
+1,1,40,17,1
+1,1,40,18,1
+1,1,40,19,1
+1,1,41,0,1
+1,1,41,1,1
+1,1,41,2,1
+1,1,41,3,1
+1,1,41,4,1
+1,1,41,5,1
+1,1,41,6,1
+1,1,41,7,1
+1,1,41,8,1
+1,1,41,9,1
+1,1,41,10,1
+1,1,41,11,1
+1,1,41,12,1
+1,1,41,13,1
+1,1,41,14,1
+1,1,41,15,1
+1,1,41,16,1
+1,1,41,17,1
+1,1,41,18,1
+1,1,41,19,1
+1,1,42,0,1
+1,1,42,1,1
+1,1,42,2,1
+1,1,42,3,1
+1,1,42,4,1
+1,1,42,5,1
+1,1,42,6,1
+1,1,42,7,1
+1,1,42,8,1
+1,1,42,9,1
+1,1,42,10,1
+1,1,42,11,1
+1,1,42,12,1
+1,1,42,13,1
+1,1,42,14,1
+1,1,42,15,1
+1,1,42,16,1
+1,1,42,17,1
+1,1,42,18,1
+1,1,42,19,1
+1,1,43,0,1
+1,1,43,1,1
+1,1,43,2,1
+1,1,43,3,1
+1,1,43,4,1
+1,1,43,5,1
+1,1,43,6,1
+1,1,43,7,1
+1,1,43,8,1
+1,1,43,9,1
+1,1,43,10,1
+1,1,43,11,1
+1,1,43,12,1
+1,1,43,13,1
+1,1,43,14,1
+1,1,43,15,1
+1,1,43,16,1
+1,1,43,17,1
+1,1,43,18,1
+1,1,43,19,1
+1,1,44,0,1
+1,1,44,1,1
+1,1,44,2,1
+1,1,44,3,1
+1,1,44,4,1
+1,1,44,5,1
+1,1,44,6,1
+1,1,44,7,1
+1,1,44,8,1
+1,1,44,9,1
+1,1,44,10,1
+1,1,44,11,1
+1,1,44,12,1
+1,1,44,13,1
+1,1,44,14,1
+1,1,44,15,1
+1,1,44,16,1
+1,1,44,17,1
+1,1,44,18,1
+1,1,44,19,1
+1,1,45,0,1
+1,1,45,1,1
+1,1,45,2,1
+1,1,45,3,1
+1,1,45,4,1
+1,1,45,5,1
+1,1,45,6,1
+1,1,45,7,1
+1,1,45,8,1
+1,1,45,9,1
+1,1,45,10,1
+1,1,45,11,1
+1,1,45,12,1
+1,1,45,13,1
+1,1,45,14,1
+1,1,45,15,1
+1,1,45,16,1
+1,1,45,17,1
+1,1,45,18,1
+1,1,45,19,1
+1,1,46,0,1
+1,1,46,1,1
+1,1,46,2,1
+1,1,46,3,1
+1,1,46,4,1
+1,1,46,5,1
+1,1,46,6,1
+1,1,46,7,1
+1,1,46,8,1
+1,1,46,9,1
+1,1,46,10,1
+1,1,46,11,1
+1,1,46,12,1
+1,1,46,13,1
+1,1,46,14,1
+1,1,46,15,1
+1,1,46,16,1
+1,1,46,17,1
+1,1,46,18,1
+1,1,46,19,1
+1,1,47,0,1
+1,1,47,1,1
+1,1,47,2,1
+1,1,47,3,1
+1,1,47,4,1
+1,1,47,5,1
+1,1,47,6,1
+1,1,47,7,1
+1,1,47,8,1
+1,1,47,9,1
+1,1,47,10,1
+1,1,47,11,1
+1,1,47,12,1
+1,1,47,13,1
+1,1,47,14,1
+1,1,47,15,1
+1,1,47,16,1
+1,1,47,17,1
+1,1,47,18,1
+1,1,47,19,1
+1,1,48,0,1
+1,1,48,1,1
+1,1,48,2,1
+1,1,48,3,1
+1,1,48,4,1
+1,1,48,5,1
+1,1,48,6,1
+1,1,48,7,1
+1,1,48,8,1
+1,1,48,9,1
+1,1,48,10,1
+1,1,48,11,1
+1,1,48,12,1
+1,1,48,13,1
+1,1,48,14,1
+1,1,48,15,1
+1,1,48,16,1
+1,1,48,17,1
+1,1,48,18,1
+1,1,48,19,1
+1,1,49,0,1
+1,1,49,1,1
+1,1,49,2,1
+1,1,49,3,1
+1,1,49,4,1
+1,1,49,5,1
+1,1,49,6,1
+1,1,49,7,1
+1,1,49,8,1
+1,1,49,9,1
+1,1,49,10,1
+1,1,49,11,1
+1,1,49,12,1
+1,1,49,13,1
+1,1,49,14,1
+1,1,49,15,1
+1,1,49,16,1
+1,1,49,17,1
+1,1,49,18,1
+1,1,49,19,1
+1,1,50,0,1
+1,1,50,1,1
+1,1,50,2,1
+1,1,50,3,1
+1,1,50,4,1
+1,1,50,5,1
+1,1,50,6,1
+1,1,50,7,1
+1,1,50,8,1
+1,1,50,9,1
+1,1,50,10,1
+1,1,50,11,1
+1,1,50,12,1
+1,1,50,13,1
+1,1,50,14,1
+1,1,50,15,1
+1,1,50,16,1
+1,1,50,17,1
+1,1,50,18,1
+1,1,50,19,1
+1,1,51,0,1
+1,1,51,1,1
+1,1,51,2,1
+1,1,51,3,1
+1,1,51,4,1
+1,1,51,5,1
+1,1,51,6,1
+1,1,51,7,1
+1,1,51,8,1
+1,1,51,9,1
+1,1,51,10,1
+1,1,51,11,1
+1,1,51,12,1
+1,1,51,13,1
+1,1,51,14,1
+1,1,51,15,1
+1,1,51,16,1
+1,1,51,17,1
+1,1,51,18,1
+1,1,51,19,1
+1,1,52,0,1
+1,1,52,1,1
+1,1,52,2,1
+1,1,52,3,1
+1,1,52,4,1
+1,1,52,5,1
+1,1,52,6,1
+1,1,52,7,1
+1,1,52,8,1
+1,1,52,9,1
+1,1,52,10,1
+1,1,52,11,1
+1,1,52,12,1
+1,1,52,13,1
+1,1,52,14,1
+1,1,52,15,1
+1,1,52,16,1
+1,1,52,17,1
+1,1,52,18,1
+1,1,52,19,1
+1,1,53,0,1
+1,1,53,1,1
+1,1,53,2,1
+1,1,53,3,1
+1,1,53,4,1
+1,1,53,5,1
+1,1,53,6,1
+1,1,53,7,1
+1,1,53,8,1
+1,1,53,9,1
+1,1,53,10,1
+1,1,53,11,1
+1,1,53,12,1
+1,1,53,13,1
+1,1,53,14,1
+1,1,53,15,1
+1,1,53,16,1
+1,1,53,17,1
+1,1,53,18,1
+1,1,53,19,1
+1,1,54,0,1
+1,1,54,1,1
+1,1,54,2,1
+1,1,54,3,1
+1,1,54,4,1
+1,1,54,5,1
+1,1,54,6,1
+1,1,54,7,1
+1,1,54,8,1
+1,1,54,9,1
+1,1,54,10,1
+1,1,54,11,1
+1,1,54,12,1
+1,1,54,13,1
+1,1,54,14,1
+1,1,54,15,1
+1,1,54,16,1
+1,1,54,17,1
+1,1,54,18,1
+1,1,54,19,1
+1,1,55,0,1
+1,1,55,1,1
+1,1,55,2,1
+1,1,55,3,1
+1,1,55,4,1
+1,1,55,5,1
+1,1,55,6,1
+1,1,55,7,1
+1,1,55,8,1
+1,1,55,9,1
+1,1,55,10,1
+1,1,55,11,1
+1,1,55,12,1
+1,1,55,13,1
+1,1,55,14,1
+1,1,55,15,1
+1,1,55,16,1
+1,1,55,17,1
+1,1,55,18,1
+1,1,55,19,1
+1,1,56,0,1
+1,1,56,1,1
+1,1,56,2,1
+1,1,56,3,1
+1,1,56,4,1
+1,1,56,5,1
+1,1,56,6,1
+1,1,56,7,1
+1,1,56,8,1
+1,1,56,9,1
+1,1,56,10,1
+1,1,56,11,1
+1,1,56,12,1
+1,1,56,13,1
+1,1,56,14,1
+1,1,56,15,1
+1,1,56,16,1
+1,1,56,17,1
+1,1,56,18,1
+1,1,56,19,1
+1,1,57,0,1
+1,1,57,1,1
+1,1,57,2,1
+1,1,57,3,1
+1,1,57,4,1
+1,1,57,5,1
+1,1,57,6,1
+1,1,57,7,1
+1,1,57,8,1
+1,1,57,9,1
+1,1,57,10,1
+1,1,57,11,1
+1,1,57,12,1
+1,1,57,13,1
+1,1,57,14,1
+1,1,57,15,1
+1,1,57,16,1
+1,1,57,17,1
+1,1,57,18,1
+1,1,57,19,1
+1,1,58,0,1
+1,1,58,1,1
+1,1,58,2,1
+1,1,58,3,1
+1,1,58,4,1
+1,1,58,5,1
+1,1,58,6,1
+1,1,58,7,1
+1,1,58,8,1
+1,1,58,9,1
+1,1,58,10,1
+1,1,58,11,1
+1,1,58,12,1
+1,1,58,13,1
+1,1,58,14,1
+1,1,58,15,1
+1,1,58,16,1
+1,1,58,17,1
+1,1,58,18,1
+1,1,58,19,1
+1,1,59,0,1
+1,1,59,1,1
+1,1,59,2,1
+1,1,59,3,1
+1,1,59,4,1
+1,1,59,5,1
+1,1,59,6,1
+1,1,59,7,1
+1,1,59,8,1
+1,1,59,9,1
+1,1,59,10,1
+1,1,59,11,1
+1,1,59,12,1
+1,1,59,13,1
+1,1,59,14,1
+1,1,59,15,1
+1,1,59,16,1
+1,1,59,17,1
+1,1,59,18,1
+1,1,59,19,1
+1,1,60,0,1
+1,1,60,1,1
+1,1,60,2,1
+1,1,60,3,1
+1,1,60,4,1
+1,1,60,5,1
+1,1,60,6,1
+1,1,60,7,1
+1,1,60,8,1
+1,1,60,9,1
+1,1,60,10,1
+1,1,60,11,1
+1,1,60,12,1
+1,1,60,13,1
+1,1,60,14,1
+1,1,60,15,1
+1,1,60,16,1
+1,1,60,17,1
+1,1,60,18,1
+1,1,60,19,1
+1,1,61,0,1
+1,1,61,1,1
+1,1,61,2,1
+1,1,61,3,1
+1,1,61,4,1
+1,1,61,5,1
+1,1,61,6,1
+1,1,61,7,1
+1,1,61,8,1
+1,1,61,9,1
+1,1,61,10,1
+1,1,61,11,1
+1,1,61,12,1
+1,1,61,13,1
+1,1,61,14,1
+1,1,61,15,1
+1,1,61,16,1
+1,1,61,17,1
+1,1,61,18,1
+1,1,61,19,1
+1,1,62,0,1
+1,1,62,1,1
+1,1,62,2,1
+1,1,62,3,1
+1,1,62,4,1
+1,1,62,5,1
+1,1,62,6,1
+1,1,62,7,1
+1,1,62,8,1
+1,1,62,9,1
+1,1,62,10,1
+1,1,62,11,1
+1,1,62,12,1
+1,1,62,13,1
+1,1,62,14,1
+1,1,62,15,1
+1,1,62,16,1
+1,1,62,17,1
+1,1,62,18,1
+1,1,62,19,1
+1,1,63,0,1
+1,1,63,1,1
+1,1,63,2,1
+1,1,63,3,1
+1,1,63,4,1
+1,1,63,5,1
+1,1,63,6,1
+1,1,63,7,1
+1,1,63,8,1
+1,1,63,9,1
+1,1,63,10,1
+1,1,63,11,1
+1,1,63,12,1
+1,1,63,13,1
+1,1,63,14,1
+1,1,63,15,1
+1,1,63,16,1
+1,1,63,17,1
+1,1,63,18,1
+1,1,63,19,1
+1,1,64,0,1
+1,1,64,1,1
+1,1,64,2,1
+1,1,64,3,1
+1,1,64,4,1
+1,1,64,5,1
+1,1,64,6,1
+1,1,64,7,1
+1,1,64,8,1
+1,1,64,9,1
+1,1,64,10,1
+1,1,64,11,1
+1,1,64,12,1
+1,1,64,13,1
+1,1,64,14,1
+1,1,64,15,1
+1,1,64,16,1
+1,1,64,17,1
+1,1,64,18,1
+1,1,64,19,1
+1,1,65,0,1
+1,1,65,1,1
+1,1,65,2,1
+1,1,65,3,1
+1,1,65,4,1
+1,1,65,5,1
+1,1,65,6,1
+1,1,65,7,1
+1,1,65,8,1
+1,1,65,9,1
+1,1,65,10,1
+1,1,65,11,1
+1,1,65,12,1
+1,1,65,13,1
+1,1,65,14,1
+1,1,65,15,1
+1,1,65,16,1
+1,1,65,17,1
+1,1,65,18,1
+1,1,65,19,1
+1,1,66,0,1
+1,1,66,1,1
+1,1,66,2,1
+1,1,66,3,1
+1,1,66,4,1
+1,1,66,5,1
+1,1,66,6,1
+1,1,66,7,1
+1,1,66,8,1
+1,1,66,9,1
+1,1,66,10,1
+1,1,66,11,1
+1,1,66,12,1
+1,1,66,13,1
+1,1,66,14,1
+1,1,66,15,1
+1,1,66,16,1
+1,1,66,17,1
+1,1,66,18,1
+1,1,66,19,1
+1,1,67,0,1
+1,1,67,1,1
+1,1,67,2,1
+1,1,67,3,1
+1,1,67,4,1
+1,1,67,5,1
+1,1,67,6,1
+1,1,67,7,1
+1,1,67,8,1
+1,1,67,9,1
+1,1,67,10,1
+1,1,67,11,1
+1,1,67,12,1
+1,1,67,13,1
+1,1,67,14,1
+1,1,67,15,1
+1,1,67,16,1
+1,1,67,17,1
+1,1,67,18,1
+1,1,67,19,1
+1,1,68,0,1
+1,1,68,1,1
+1,1,68,2,1
+1,1,68,3,1
+1,1,68,4,1
+1,1,68,5,1
+1,1,68,6,1
+1,1,68,7,1
+1,1,68,8,1
+1,1,68,9,1
+1,1,68,10,1
+1,1,68,11,1
+1,1,68,12,1
+1,1,68,13,1
+1,1,68,14,1
+1,1,68,15,1
+1,1,68,16,1
+1,1,68,17,1
+1,1,68,18,1
+1,1,68,19,1
+1,1,69,0,1
+1,1,69,1,1
+1,1,69,2,1
+1,1,69,3,1
+1,1,69,4,1
+1,1,69,5,1
+1,1,69,6,1
+1,1,69,7,1
+1,1,69,8,1
+1,1,69,9,1
+1,1,69,10,1
+1,1,69,11,1
+1,1,69,12,1
+1,1,69,13,1
+1,1,69,14,1
+1,1,69,15,1
+1,1,69,16,1
+1,1,69,17,1
+1,1,69,18,1
+1,1,69,19,1
+1,1,70,0,1
+1,1,70,1,1
+1,1,70,2,1
+1,1,70,3,1
+1,1,70,4,1
+1,1,70,5,1
+1,1,70,6,1
+1,1,70,7,1
+1,1,70,8,1
+1,1,70,9,1
+1,1,70,10,1
+1,1,70,11,1
+1,1,70,12,1
+1,1,70,13,1
+1,1,70,14,1
+1,1,70,15,1
+1,1,70,16,1
+1,1,70,17,1
+1,1,70,18,1
+1,1,70,19,1
+1,1,71,0,1
+1,1,71,1,1
+1,1,71,2,1
+1,1,71,3,1
+1,1,71,4,1
+1,1,71,5,1
+1,1,71,6,1
+1,1,71,7,1
+1,1,71,8,1
+1,1,71,9,1
+1,1,71,10,1
+1,1,71,11,1
+1,1,71,12,1
+1,1,71,13,1
+1,1,71,14,1
+1,1,71,15,1
+1,1,71,16,1
+1,1,71,17,1
+1,1,71,18,1
+1,1,71,19,1
+1,1,72,0,1
+1,1,72,1,1
+1,1,72,2,1
+1,1,72,3,1
+1,1,72,4,1
+1,1,72,5,1
+1,1,72,6,1
+1,1,72,7,1
+1,1,72,8,1
+1,1,72,9,1
+1,1,72,10,1
+1,1,72,11,1
+1,1,72,12,1
+1,1,72,13,1
+1,1,72,14,1
+1,1,72,15,1
+1,1,72,16,1
+1,1,72,17,1
+1,1,72,18,1
+1,1,72,19,1
+1,1,73,0,1
+1,1,73,1,1
+1,1,73,2,1
+1,1,73,3,1
+1,1,73,4,1
+1,1,73,5,1
+1,1,73,6,1
+1,1,73,7,1
+1,1,73,8,1
+1,1,73,9,1
+1,1,73,10,1
+1,1,73,11,1
+1,1,73,12,1
+1,1,73,13,1
+1,1,73,14,1
+1,1,73,15,1
+1,1,73,16,1
+1,1,73,17,1
+1,1,73,18,1
+1,1,73,19,1
+1,1,74,0,1
+1,1,74,1,1
+1,1,74,2,1
+1,1,74,3,1
+1,1,74,4,1
+1,1,74,5,1
+1,1,74,6,1
+1,1,74,7,1
+1,1,74,8,1
+1,1,74,9,1
+1,1,74,10,1
+1,1,74,11,1
+1,1,74,12,1
+1,1,74,13,1
+1,1,74,14,1
+1,1,74,15,1
+1,1,74,16,1
+1,1,74,17,1
+1,1,74,18,1
+1,1,74,19,1
+1,1,75,0,1
+1,1,75,1,1
+1,1,75,2,1
+1,1,75,3,1
+1,1,75,4,1
+1,1,75,5,1
+1,1,75,6,1
+1,1,75,7,1
+1,1,75,8,1
+1,1,75,9,1
+1,1,75,10,1
+1,1,75,11,1
+1,1,75,12,1
+1,1,75,13,1
+1,1,75,14,1
+1,1,75,15,1
+1,1,75,16,1
+1,1,75,17,1
+1,1,75,18,1
+1,1,75,19,1
+1,1,76,0,1
+1,1,76,1,1
+1,1,76,2,1
+1,1,76,3,1
+1,1,76,4,1
+1,1,76,5,1
+1,1,76,6,1
+1,1,76,7,1
+1,1,76,8,1
+1,1,76,9,1
+1,1,76,10,1
+1,1,76,11,1
+1,1,76,12,1
+1,1,76,13,1
+1,1,76,14,1
+1,1,76,15,1
+1,1,76,16,1
+1,1,76,17,1
+1,1,76,18,1
+1,1,76,19,1
+1,1,77,0,1
+1,1,77,1,1
+1,1,77,2,1
+1,1,77,3,1
+1,1,77,4,1
+1,1,77,5,1
+1,1,77,6,1
+1,1,77,7,1
+1,1,77,8,1
+1,1,77,9,1
+1,1,77,10,1
+1,1,77,11,1
+1,1,77,12,1
+1,1,77,13,1
+1,1,77,14,1
+1,1,77,15,1
+1,1,77,16,1
+1,1,77,17,1
+1,1,77,18,1
+1,1,77,19,1
+1,1,78,0,1
+1,1,78,1,1
+1,1,78,2,1
+1,1,78,3,1
+1,1,78,4,1
+1,1,78,5,1
+1,1,78,6,1
+1,1,78,7,1
+1,1,78,8,1
+1,1,78,9,1
+1,1,78,10,1
+1,1,78,11,1
+1,1,78,12,1
+1,1,78,13,1
+1,1,78,14,1
+1,1,78,15,1
+1,1,78,16,1
+1,1,78,17,1
+1,1,78,18,1
+1,1,78,19,1
+1,1,79,0,1
+1,1,79,1,1
+1,1,79,2,1
+1,1,79,3,1
+1,1,79,4,1
+1,1,79,5,1
+1,1,79,6,1
+1,1,79,7,1
+1,1,79,8,1
+1,1,79,9,1
+1,1,79,10,1
+1,1,79,11,1
+1,1,79,12,1
+1,1,79,13,1
+1,1,79,14,1
+1,1,79,15,1
+1,1,79,16,1
+1,1,79,17,1
+1,1,79,18,1
+1,1,79,19,1
+1,1,80,0,1
+1,1,80,1,1
+1,1,80,2,1
+1,1,80,3,1
+1,1,80,4,1
+1,1,80,5,1
+1,1,80,6,1
+1,1,80,7,1
+1,1,80,8,1
+1,1,80,9,1
+1,1,80,10,1
+1,1,80,11,1
+1,1,80,12,1
+1,1,80,13,1
+1,1,80,14,1
+1,1,80,15,1
+1,1,80,16,1
+1,1,80,17,1
+1,1,80,18,1
+1,1,80,19,1
+1,1,81,0,1
+1,1,81,1,1
+1,1,81,2,1
+1,1,81,3,1
+1,1,81,4,1
+1,1,81,5,1
+1,1,81,6,1
+1,1,81,7,1
+1,1,81,8,1
+1,1,81,9,1
+1,1,81,10,1
+1,1,81,11,1
+1,1,81,12,1
+1,1,81,13,1
+1,1,81,14,1
+1,1,81,15,1
+1,1,81,16,1
+1,1,81,17,1
+1,1,81,18,1
+1,1,81,19,1
+1,1,82,0,1
+1,1,82,1,1
+1,1,82,2,1
+1,1,82,3,1
+1,1,82,4,1
+1,1,82,5,1
+1,1,82,6,1
+1,1,82,7,1
+1,1,82,8,1
+1,1,82,9,1
+1,1,82,10,1
+1,1,82,11,1
+1,1,82,12,1
+1,1,82,13,1
+1,1,82,14,1
+1,1,82,15,1
+1,1,82,16,1
+1,1,82,17,1
+1,1,82,18,1
+1,1,82,19,1
+1,1,83,0,1
+1,1,83,1,1
+1,1,83,2,1
+1,1,83,3,1
+1,1,83,4,1
+1,1,83,5,1
+1,1,83,6,1
+1,1,83,7,1
+1,1,83,8,1
+1,1,83,9,1
+1,1,83,10,1
+1,1,83,11,1
+1,1,83,12,1
+1,1,83,13,1
+1,1,83,14,1
+1,1,83,15,1
+1,1,83,16,1
+1,1,83,17,1
+1,1,83,18,1
+1,1,83,19,1
+1,1,84,0,1
+1,1,84,1,1
+1,1,84,2,1
+1,1,84,3,1
+1,1,84,4,1
+1,1,84,5,1
+1,1,84,6,1
+1,1,84,7,1
+1,1,84,8,1
+1,1,84,9,1
+1,1,84,10,1
+1,1,84,11,1
+1,1,84,12,1
+1,1,84,13,1
+1,1,84,14,1
+1,1,84,15,1
+1,1,84,16,1
+1,1,84,17,1
+1,1,84,18,1
+1,1,84,19,1
+1,1,85,0,1
+1,1,85,1,1
+1,1,85,2,1
+1,1,85,3,1
+1,1,85,4,1
+1,1,85,5,1
+1,1,85,6,1
+1,1,85,7,1
+1,1,85,8,1
+1,1,85,9,1
+1,1,85,10,1
+1,1,85,11,1
+1,1,85,12,1
+1,1,85,13,1
+1,1,85,14,1
+1,1,85,15,1
+1,1,85,16,1
+1,1,85,17,1
+1,1,85,18,1
+1,1,85,19,1
+1,1,86,0,1
+1,1,86,1,1
+1,1,86,2,1
+1,1,86,3,1
+1,1,86,4,1
+1,1,86,5,1
+1,1,86,6,1
+1,1,86,7,1
+1,1,86,8,1
+1,1,86,9,1
+1,1,86,10,1
+1,1,86,11,1
+1,1,86,12,1
+1,1,86,13,1
+1,1,86,14,1
+1,1,86,15,1
+1,1,86,16,1
+1,1,86,17,1
+1,1,86,18,1
+1,1,86,19,1
+1,1,87,0,1
+1,1,87,1,1
+1,1,87,2,1
+1,1,87,3,1
+1,1,87,4,1
+1,1,87,5,1
+1,1,87,6,1
+1,1,87,7,1
+1,1,87,8,1
+1,1,87,9,1
+1,1,87,10,1
+1,1,87,11,1
+1,1,87,12,1
+1,1,87,13,1
+1,1,87,14,1
+1,1,87,15,1
+1,1,87,16,1
+1,1,87,17,1
+1,1,87,18,1
+1,1,87,19,1
+1,1,88,0,1
+1,1,88,1,1
+1,1,88,2,1
+1,1,88,3,1
+1,1,88,4,1
+1,1,88,5,1
+1,1,88,6,1
+1,1,88,7,1
+1,1,88,8,1
+1,1,88,9,1
+1,1,88,10,1
+1,1,88,11,1
+1,1,88,12,1
+1,1,88,13,1
+1,1,88,14,1
+1,1,88,15,1
+1,1,88,16,1
+1,1,88,17,1
+1,1,88,18,1
+1,1,88,19,1
+1,1,89,0,1
+1,1,89,1,1
+1,1,89,2,1
+1,1,89,3,1
+1,1,89,4,1
+1,1,89,5,1
+1,1,89,6,1
+1,1,89,7,1
+1,1,89,8,1
+1,1,89,9,1
+1,1,89,10,1
+1,1,89,11,1
+1,1,89,12,1
+1,1,89,13,1
+1,1,89,14,1
+1,1,89,15,1
+1,1,89,16,1
+1,1,89,17,1
+1,1,89,18,1
+1,1,89,19,1
+1,1,90,0,1
+1,1,90,1,1
+1,1,90,2,1
+1,1,90,3,1
+1,1,90,4,1
+1,1,90,5,1
+1,1,90,6,1
+1,1,90,7,1
+1,1,90,8,1
+1,1,90,9,1
+1,1,90,10,1
+1,1,90,11,1
+1,1,90,12,1
+1,1,90,13,1
+1,1,90,14,1
+1,1,90,15,1
+1,1,90,16,1
+1,1,90,17,1
+1,1,90,18,1
+1,1,90,19,1
+1,1,91,0,1
+1,1,91,1,1
+1,1,91,2,1
+1,1,91,3,1
+1,1,91,4,1
+1,1,91,5,1
+1,1,91,6,1
+1,1,91,7,1
+1,1,91,8,1
+1,1,91,9,1
+1,1,91,10,1
+1,1,91,11,1
+1,1,91,12,1
+1,1,91,13,1
+1,1,91,14,1
+1,1,91,15,1
+1,1,91,16,1
+1,1,91,17,1
+1,1,91,18,1
+1,1,91,19,1
+1,1,92,0,1
+1,1,92,1,1
+1,1,92,2,1
+1,1,92,3,1
+1,1,92,4,1
+1,1,92,5,1
+1,1,92,6,1
+1,1,92,7,1
+1,1,92,8,1
+1,1,92,9,1
+1,1,92,10,1
+1,1,92,11,1
+1,1,92,12,1
+1,1,92,13,1
+1,1,92,14,1
+1,1,92,15,1
+1,1,92,16,1
+1,1,92,17,1
+1,1,92,18,1
+1,1,92,19,1
+1,1,93,0,1
+1,1,93,1,1
+1,1,93,2,1
+1,1,93,3,1
+1,1,93,4,1
+1,1,93,5,1
+1,1,93,6,1
+1,1,93,7,1
+1,1,93,8,1
+1,1,93,9,1
+1,1,93,10,1
+1,1,93,11,1
+1,1,93,12,1
+1,1,93,13,1
+1,1,93,14,1
+1,1,93,15,1
+1,1,93,16,1
+1,1,93,17,1
+1,1,93,18,1
+1,1,93,19,1
+1,1,94,0,1
+1,1,94,1,1
+1,1,94,2,1
+1,1,94,3,1
+1,1,94,4,1
+1,1,94,5,1
+1,1,94,6,1
+1,1,94,7,1
+1,1,94,8,1
+1,1,94,9,1
+1,1,94,10,1
+1,1,94,11,1
+1,1,94,12,1
+1,1,94,13,1
+1,1,94,14,1
+1,1,94,15,1
+1,1,94,16,1
+1,1,94,17,1
+1,1,94,18,1
+1,1,94,19,1
+1,1,95,0,1
+1,1,95,1,1
+1,1,95,2,1
+1,1,95,3,1
+1,1,95,4,1
+1,1,95,5,1
+1,1,95,6,1
+1,1,95,7,1
+1,1,95,8,1
+1,1,95,9,1
+1,1,95,10,1
+1,1,95,11,1
+1,1,95,12,1
+1,1,95,13,1
+1,1,95,14,1
+1,1,95,15,1
+1,1,95,16,1
+1,1,95,17,1
+1,1,95,18,1
+1,1,95,19,1
+1,1,96,0,1
+1,1,96,1,1
+1,1,96,2,1
+1,1,96,3,1
+1,1,96,4,1
+1,1,96,5,1
+1,1,96,6,1
+1,1,96,7,1
+1,1,96,8,1
+1,1,96,9,1
+1,1,96,10,1
+1,1,96,11,1
+1,1,96,12,1
+1,1,96,13,1
+1,1,96,14,1
+1,1,96,15,1
+1,1,96,16,1
+1,1,96,17,1
+1,1,96,18,1
+1,1,96,19,1
+1,1,97,0,1
+1,1,97,1,1
+1,1,97,2,1
+1,1,97,3,1
+1,1,97,4,1
+1,1,97,5,1
+1,1,97,6,1
+1,1,97,7,1
+1,1,97,8,1
+1,1,97,9,1
+1,1,97,10,1
+1,1,97,11,1
+1,1,97,12,1
+1,1,97,13,1
+1,1,97,14,1
+1,1,97,15,1
+1,1,97,16,1
+1,1,97,17,1
+1,1,97,18,1
+1,1,97,19,1
+1,1,98,0,1
+1,1,98,1,1
+1,1,98,2,1
+1,1,98,3,1
+1,1,98,4,1
+1,1,98,5,1
+1,1,98,6,1
+1,1,98,7,1
+1,1,98,8,1
+1,1,98,9,1
+1,1,98,10,1
+1,1,98,11,1
+1,1,98,12,1
+1,1,98,13,1
+1,1,98,14,1
+1,1,98,15,1
+1,1,98,16,1
+1,1,98,17,1
+1,1,98,18,1
+1,1,98,19,1
+1,1,99,0,1
+1,1,99,1,1
+1,1,99,2,1
+1,1,99,3,1
+1,1,99,4,1
+1,1,99,5,1
+1,1,99,6,1
+1,1,99,7,1
+1,1,99,8,1
+1,1,99,9,1
+1,1,99,10,1
+1,1,99,11,1
+1,1,99,12,1
+1,1,99,13,1
+1,1,99,14,1
+1,1,99,15,1
+1,1,99,16,1
+1,1,99,17,1
+1,1,99,18,1
+1,1,99,19,1
diff --git a/tests/procedures/resources/output/parallel_simulation/Result_Environment.csv b/tests/procedures/resources/output/parallel_simulation/Result_Environment.csv
index c58cb112..637e3534 100644
--- a/tests/procedures/resources/output/parallel_simulation/Result_Environment.csv
+++ b/tests/procedures/resources/output/parallel_simulation/Result_Environment.csv
@@ -99,206 +99,6 @@ id_scenario,id_run,period
 0,0,97
 0,0,98
 0,0,99
-0,1,0
-0,1,1
-0,1,2
-0,1,3
-0,1,4
-0,1,5
-0,1,6
-0,1,7
-0,1,8
-0,1,9
-0,1,10
-0,1,11
-0,1,12
-0,1,13
-0,1,14
-0,1,15
-0,1,16
-0,1,17
-0,1,18
-0,1,19
-0,1,20
-0,1,21
-0,1,22
-0,1,23
-0,1,24
-0,1,25
-0,1,26
-0,1,27
-0,1,28
-0,1,29
-0,1,30
-0,1,31
-0,1,32
-0,1,33
-0,1,34
-0,1,35
-0,1,36
-0,1,37
-0,1,38
-0,1,39
-0,1,40
-0,1,41
-0,1,42
-0,1,43
-0,1,44
-0,1,45
-0,1,46
-0,1,47
-0,1,48
-0,1,49
-0,1,50
-0,1,51
-0,1,52
-0,1,53
-0,1,54
-0,1,55
-0,1,56
-0,1,57
-0,1,58
-0,1,59
-0,1,60
-0,1,61
-0,1,62
-0,1,63
-0,1,64
-0,1,65
-0,1,66
-0,1,67
-0,1,68
-0,1,69
-0,1,70
-0,1,71
-0,1,72
-0,1,73
-0,1,74
-0,1,75
-0,1,76
-0,1,77
-0,1,78
-0,1,79
-0,1,80
-0,1,81
-0,1,82
-0,1,83
-0,1,84
-0,1,85
-0,1,86
-0,1,87
-0,1,88
-0,1,89
-0,1,90
-0,1,91
-0,1,92
-0,1,93
-0,1,94
-0,1,95
-0,1,96
-0,1,97
-0,1,98
-0,1,99
-1,1,0
-1,1,1
-1,1,2
-1,1,3
-1,1,4
-1,1,5
-1,1,6
-1,1,7
-1,1,8
-1,1,9
-1,1,10
-1,1,11
-1,1,12
-1,1,13
-1,1,14
-1,1,15
-1,1,16
-1,1,17
-1,1,18
-1,1,19
-1,1,20
-1,1,21
-1,1,22
-1,1,23
-1,1,24
-1,1,25
-1,1,26
-1,1,27
-1,1,28
-1,1,29
-1,1,30
-1,1,31
-1,1,32
-1,1,33
-1,1,34
-1,1,35
-1,1,36
-1,1,37
-1,1,38
-1,1,39
-1,1,40
-1,1,41
-1,1,42
-1,1,43
-1,1,44
-1,1,45
-1,1,46
-1,1,47
-1,1,48
-1,1,49
-1,1,50
-1,1,51
-1,1,52
-1,1,53
-1,1,54
-1,1,55
-1,1,56
-1,1,57
-1,1,58
-1,1,59
-1,1,60
-1,1,61
-1,1,62
-1,1,63
-1,1,64
-1,1,65
-1,1,66
-1,1,67
-1,1,68
-1,1,69
-1,1,70
-1,1,71
-1,1,72
-1,1,73
-1,1,74
-1,1,75
-1,1,76
-1,1,77
-1,1,78
-1,1,79
-1,1,80
-1,1,81
-1,1,82
-1,1,83
-1,1,84
-1,1,85
-1,1,86
-1,1,87
-1,1,88
-1,1,89
-1,1,90
-1,1,91
-1,1,92
-1,1,93
-1,1,94
-1,1,95
-1,1,96
-1,1,97
-1,1,98
-1,1,99
 1,0,0
 1,0,1
 1,0,2
@@ -399,3 +199,103 @@ id_scenario,id_run,period
 1,0,97
 1,0,98
 1,0,99
+1,1,0
+1,1,1
+1,1,2
+1,1,3
+1,1,4
+1,1,5
+1,1,6
+1,1,7
+1,1,8
+1,1,9
+1,1,10
+1,1,11
+1,1,12
+1,1,13
+1,1,14
+1,1,15
+1,1,16
+1,1,17
+1,1,18
+1,1,19
+1,1,20
+1,1,21
+1,1,22
+1,1,23
+1,1,24
+1,1,25
+1,1,26
+1,1,27
+1,1,28
+1,1,29
+1,1,30
+1,1,31
+1,1,32
+1,1,33
+1,1,34
+1,1,35
+1,1,36
+1,1,37
+1,1,38
+1,1,39
+1,1,40
+1,1,41
+1,1,42
+1,1,43
+1,1,44
+1,1,45
+1,1,46
+1,1,47
+1,1,48
+1,1,49
+1,1,50
+1,1,51
+1,1,52
+1,1,53
+1,1,54
+1,1,55
+1,1,56
+1,1,57
+1,1,58
+1,1,59
+1,1,60
+1,1,61
+1,1,62
+1,1,63
+1,1,64
+1,1,65
+1,1,66
+1,1,67
+1,1,68
+1,1,69
+1,1,70
+1,1,71
+1,1,72
+1,1,73
+1,1,74
+1,1,75
+1,1,76
+1,1,77
+1,1,78
+1,1,79
+1,1,80
+1,1,81
+1,1,82
+1,1,83
+1,1,84
+1,1,85
+1,1,86
+1,1,87
+1,1,88
+1,1,89
+1,1,90
+1,1,91
+1,1,92
+1,1,93
+1,1,94
+1,1,95
+1,1,96
+1,1,97
+1,1,98
+1,1,99
diff --git a/tests/procedures/run_new_trainer_algorithm.py b/tests/procedures/run_new_trainer_algorithm.py
index cea21ed1..ebfd6fef 100644
--- a/tests/procedures/run_new_trainer_algorithm.py
+++ b/tests/procedures/run_new_trainer_algorithm.py
@@ -1,9 +1,9 @@
 # -*- coding:utf-8 -*-
-import sys
 import os
+import sys
+
 sys.path.insert(0, os.path.dirname(__file__))
 print(os.path.abspath(sys.path[0]))
-import base
 from new_trainer_algorithm import *
 
 
@@ -22,5 +22,6 @@ def test_chrom_params_algorithm():
     ta.run(scenario, meta)
     ta.stop()
 
+
 if __name__ == "__main__":
-    test_chrom_params_algorithm()
\ No newline at end of file
+    test_chrom_params_algorithm()
diff --git a/tests/procedures/simulator_demo.py b/tests/procedures/simulator_demo.py
index 2e68cba3..264dc4fd 100644
--- a/tests/procedures/simulator_demo.py
+++ b/tests/procedures/simulator_demo.py
@@ -9,13 +9,13 @@
 
 from Melodie import (
     Agent,
+    Config,
     DataCollector,
+    DataLoader,
     Environment,
+    Model,
     Scenario,
     Simulator,
-    Model,
-    DataLoader,
-    Config,
 )
 
 cfg_for_temp = Config(
diff --git a/tests/procedures/test_calibrator.py b/tests/procedures/test_calibrator.py
index 1da5d79b..9a918a65 100644
--- a/tests/procedures/test_calibrator.py
+++ b/tests/procedures/test_calibrator.py
@@ -1,6 +1,7 @@
 import pytest
-from tests.infra.config import cfg_for_calibrator
+
 from Melodie import DataLoader
+from tests.infra.config import cfg_for_calibrator
 from tests.procedures.calibrator import CovidCalibrator, CovidModel, CovidScenario
 
 
diff --git a/tests/procedures/test_learning_params.py b/tests/procedures/test_learning_params.py
index d02b1311..a13fcbdf 100644
--- a/tests/procedures/test_learning_params.py
+++ b/tests/procedures/test_learning_params.py
@@ -1,7 +1,7 @@
 import pandas as pd
-import tests.procedures.base
-from Melodie.trainer import GATrainerParams
+
 from Melodie.calibrator import GACalibratorParams
+from Melodie.trainer import GATrainerParams
 
 
 def test_trainer_params():
diff --git a/tests/procedures/test_scenario.py b/tests/procedures/test_scenario.py
index 826c3a94..8f51f734 100644
--- a/tests/procedures/test_scenario.py
+++ b/tests/procedures/test_scenario.py
@@ -8,24 +8,15 @@
 import pandas as pd
 import pytest
 
-from Melodie import (
-    Agent,
-    DataCollector,
-    Environment,
-    Scenario,
-    Simulator,
-    Model,
-    DataLoader,
-    Config,
-)
+from Melodie import Agent, Config, DataLoader, Environment, Model, Scenario, Simulator
 
 cfg_for_temp = Config(
     "temp_db_for_parallel_simulation",
     os.path.dirname(__file__),
-    input_folder=os.path.join(os.path.dirname(
-        __file__), "resources", "excels"),
-    output_folder=os.path.join(os.path.dirname(
-        __file__), "resources", "output/test_scenario"),
+    input_folder=os.path.join(os.path.dirname(__file__), "resources", "excels"),
+    output_folder=os.path.join(
+        os.path.dirname(__file__), "resources", "output/test_scenario"
+    ),
 )
 AGENT_NUM_1 = 10
 AGENT_NUM_2 = 20
@@ -60,7 +51,7 @@ def setup(self):
 
     # def setup(self):
 
-        # self.demo_matrix1 = self.load
+    # self.demo_matrix1 = self.load
 
 
 class DCTestModel(Model):
@@ -76,11 +67,9 @@ def setup(self):
         # params_df_3 = pd.DataFrame(
         #     [{"a": 1.0, "b": 1, "productivity": 0} for i in range(20)]
         # )
-        self.agent_list1 = self.create_agent_container(
-            TestAgent, 10, params_df_1)
+        self.agent_list1 = self.create_agent_container(TestAgent, 10, params_df_1)
         self.agent_list1.setup_agents(10, params_df_1)
-        self.agent_list2 = self.create_agent_container(
-            TestAgent, 20, params_df_2)
+        self.agent_list2 = self.create_agent_container(TestAgent, 20, params_df_2)
         self.agent_list2.setup_agents(20, params_df_2)
         self.environment = self.create_environment(TestEnv)
         # self.data_collector = self.create_data_collector(DataCollector1)
diff --git a/tests/procedures/test_simulator_run_parallel.py b/tests/procedures/test_simulator_run_parallel.py
index 36c524a8..89bf8460 100644
--- a/tests/procedures/test_simulator_run_parallel.py
+++ b/tests/procedures/test_simulator_run_parallel.py
@@ -2,16 +2,16 @@
 
 import os
 
-from tests.procedures.simulator_demo import Simulator4Test, DCTestModel, TestScenario
 from MelodieInfra import Config
+from tests.procedures.simulator_demo import DCTestModel, Simulator4Test, TestScenario
 
 cfg_for_temp2 = Config(
     "temp_db_for_parallel_simulation",
     os.path.dirname(__file__),
-    input_folder=os.path.join(os.path.dirname(
-        __file__), "resources", "excels"),
-    output_folder=os.path.join(os.path.dirname(
-        __file__), "resources", "output", "parallel_simulation"),
+    input_folder=os.path.join(os.path.dirname(__file__), "resources", "excels"),
+    output_folder=os.path.join(
+        os.path.dirname(__file__), "resources", "output", "parallel_simulation"
+    ),
 )
 AGENT_NUM_1 = 10
 AGENT_NUM_2 = 20
diff --git a/tests/procedures/test_sqlite_performance.py b/tests/procedures/test_sqlite_performance.py
index ce2b12dd..8c3ff106 100644
--- a/tests/procedures/test_sqlite_performance.py
+++ b/tests/procedures/test_sqlite_performance.py
@@ -1,10 +1,9 @@
 # -*- coding:utf-8 -*-
+import logging
 import random
 import sqlite3
 import time
 
-import logging
-
 
 def test_sqlite_performance():
     logging.warning("performance test will not be executed!")
@@ -47,4 +46,3 @@ def test_select():
     cx.commit()
     print(len(all))
     print(t1 - t0, t2 - t1)
-    pass
diff --git a/tests/table/test_compat.py b/tests/table/test_compat.py
index a1d38a4b..6d91d6d5 100644
--- a/tests/table/test_compat.py
+++ b/tests/table/test_compat.py
@@ -1,4 +1,6 @@
-from MelodieInfra.table import Table, TableRow, TableInterface
+import pandas as pd
+
+from MelodieInfra.table import Table, TableInterface, TableRow
 
 
 def filter_test(df, table):
@@ -17,8 +19,6 @@ def iter_test(df, table):
 
 
 def test_filter():
-    import pandas as pd
-
     data = [[1, 2, 3], [1, 2, 4], [1, 3, 5], [2, 3, 4], [2, 4, 6]]
     df = pd.DataFrame(data, columns=["a", "b", "c"])
 
diff --git a/tests/table/test_general_table.py b/tests/table/test_general_table.py
index 88fac090..f9044d86 100644
--- a/tests/table/test_general_table.py
+++ b/tests/table/test_general_table.py
@@ -1,9 +1,10 @@
 import os
 import time
-from typing import List
+
 from base import OUTPUT_DIR
+from sqlalchemy import Integer
+
 from MelodieInfra.table import GeneralTable
-from sqlalchemy import Integer, create_engine
 
 XLSFILE = os.path.join(os.path.dirname(__file__), "data", "params.xlsx")
 
diff --git a/tests/table/test_iamc_table.py b/tests/table/test_iamc_table.py
index 3b525a3f..39d22906 100644
--- a/tests/table/test_iamc_table.py
+++ b/tests/table/test_iamc_table.py
@@ -1,10 +1,7 @@
-import time
-from typing import Optional
-from base import is_pypy
-from MelodieInfra.table import PyAMTable, PyAMTableRow
-from sqlalchemy import Integer
 import os
 
+from MelodieInfra.table import PyAMTable, PyAMTableRow
+
 # if not is_pypy():
 #     import pyam
 PATH = os.path.join(os.path.dirname(__file__), "data", "pyam_tutorial_data.csv")
diff --git a/tests/table/test_objects_table.py b/tests/table/test_objects_table.py
index d55a4096..b4e19026 100644
--- a/tests/table/test_objects_table.py
+++ b/tests/table/test_objects_table.py
@@ -1,11 +1,12 @@
-from dataclasses import dataclass
 import os
 import time
 from typing import List
+
 from base import OUTPUT_DIR
-from MelodieInfra.table import Table, TableRow, column_meta
 from sqlalchemy import BigInteger, Integer, create_engine
 
+from MelodieInfra.table import Table, TableRow, column_meta
+
 XLSFILE = os.path.join(os.path.dirname(__file__), "data", "params.xlsx")
 
 XLSFILE_TO_WRITE = os.path.join(OUTPUT_DIR, "params.xlsx")
@@ -177,4 +178,4 @@ def test_indicing():
 def test_create_autodetect():
     agents = [{"a": i, "b": i + 0.5} for i in range(1000)]
     row_cls = TableRow.subcls_from_dict(agents[0])
-    table = Table.from_dicts(row_cls, agents)
+    Table.from_dicts(row_cls, agents)
diff --git a/tests/table/test_reader_writer.py b/tests/table/test_reader_writer.py
index 71ff9009..ca5123d6 100644
--- a/tests/table/test_reader_writer.py
+++ b/tests/table/test_reader_writer.py
@@ -1,8 +1,8 @@
 import os
-import time
-from base import is_pypy, OUTPUT_DIR
-from MelodieInfra.table import PyAMTable, TableReader, TableWriter
-from sqlalchemy import Integer
+
+from base import OUTPUT_DIR
+
+from MelodieInfra.table import TableReader, TableWriter
 
 PATH = os.path.join(os.path.dirname(__file__), "data", "pyam_tutorial_data.csv")
 
diff --git a/tests/table/test_vectorizer.py b/tests/table/test_vectorizer.py
index 21deb180..e10b7335 100644
--- a/tests/table/test_vectorizer.py
+++ b/tests/table/test_vectorizer.py
@@ -1,4 +1,4 @@
-from MelodieInfra import objs_to_table_row_vectorizer, TableRow, Table
+from MelodieInfra import Table, TableRow, objs_to_table_row_vectorizer
 
 
 class CustomClass:
diff --git a/tests/test1.py b/tests/test1.py
deleted file mode 100644
index 53eaab42..00000000
--- a/tests/test1.py
+++ /dev/null
@@ -1,3 +0,0 @@
-from tests.infra.test_network import test_create_ba
-
-test_create_ba()
diff --git a/tests/test123.py b/tests/test123.py
deleted file mode 100644
index 1fca8983..00000000
--- a/tests/test123.py
+++ /dev/null
@@ -1,8 +0,0 @@
-from test_new_trainer_algorithm import test_chrom_params_algorithm
-from test_calibrator import test_calibrator
-
-test_chrom_params_algorithm()
-test_calibrator()
-print("1======" * 100)
-test_chrom_params_algorithm()
-print("2*-*-*-" * 100)