class State:

    def __init__(self, direction, x, y):
        self.direction = direction # kierunek w ktorym "patrzy wozek"
        self.x = x
        self.y = y

    def get_direction(self):
        return self.direction

    def get_x(self):
        return self.x

    def get_y(self):
        return self.y

    def goal_test(self, goal):    # sprawdza czy osiagnelismy cel
        if self.x == goal[0] and self.y == goal[1]:
            return True
        else:
            return False


class Node:
    def __init__(self, action, state, parent):
        self.state = state
        self.action = action  # akcja jaką ma wykonać (jedz prawo, lewo, przod)
        self.direction = state.direction
        self.parent = parent  # ojciec wierzchołka

    def get_action(self):
        return self.action

    def get_direction(self):
        return self.direction

    def get_parent(self):
        return self.parent


def cost(node):  # funkcja kosztu : ile kosztuje przejechanie przez dane pole
    cost = 0
    while node.parent is not None:                                                      # FIX!!!!!!!!!!
        cost = cost + 1 + 1
        node = node.parent
    return cost


def f(goal, node):  # funkcja zwracająca sumę funkcji kosztu oraz heurestyki
    return cost(node) + heuristic(goal, node)


def heuristic(goal, node):  # funkcja heurestyki : oszacowuje koszt osiągnięcia stanu końcowego (droga)
    return abs(node.x - goal[0]) + abs(node.y - goal[1])


def print_moves(elem):  # zwraca listę ruchów jakie należy wykonać by dotrzeć do punktu docelowego
    moves_list = []
    while elem.parent is not None:
        moves_list.append(elem.action)
        elem = elem.parent
    moves_list.reverse()
    return moves_list


def succ(elem):  # funkcja następnika, przypisuje jakie akcje są możliwe do wykonania na danym polu oraz jaki będzie stan (kierunek, położenie) po wykonaniu tej akcji
    pass

def graphsearch(explored, fringe, goaltest, istate):  # przeszukiwanie grafu wszerz
    pass