import pygame
from constant import rows, cols
import random
import numpy as np

ROZMIAR_POPULACJI = 50
GENERACJI = 60
LICZBA_ROSLIN = 30
MUTATION_RATE = 0.1



def wygeneruj_populacje_poczatkowa():
    populacja = []
    for i in range(ROZMIAR_POPULACJI):
        osobnik = []
        for j in range(LICZBA_ROSLIN):
            x, y = random.randint(0, 7), random.randint(0, 7)
            e = (x, y)
            # Zastępowanie powtórek
            while e in osobnik:
                x, y = random.randint(0, 7), random.randint(0, 7)
                e = (x, y)
            osobnik.append(e)
        populacja.append(osobnik)
    return populacja


def ocena_osobnika(osobnik):
    ocena = 0

    if len(osobnik) == len(set(osobnik)):
        ocena += 5
    else:
        ocena -= 5
    # Czy dana roślina ma sąsiedzi niepotrzebnym dystansie pomiędzy koordynatami
    positions = set(osobnik)
    for (x, y) in osobnik:
        if ((x + 1, y) in positions or (x - 1, y) in positions or
                (x, y + 1) in positions or (x, y - 1) in positions):
            ocena -= 1
        else:
            ocena += 1

    return ocena


def selekcja(populacja):
    populacja = sorted(populacja, key=lambda x: ocena_osobnika(x), reverse=True)
    return populacja[:int(ROZMIAR_POPULACJI * 0.4)]

def mutacja(osobnik, mutation_rate):
    # mutacja poprzez randomową zamiane jednej pary koordynatow
    for i in range(len(osobnik)):
        if random.random() < mutation_rate:
            osobnik[i] = (random.randint(0, 7), random.randint(0, 7))
    return osobnik


def krzyzowanie(rodzic1, rodzic2):
    # krzyzowanie pomiedzy dwojka rodzicow i tworzenie dziecka
    dziecko = []
    for i in range(len(rodzic1)):
        if random.random() < 0.5:
            dziecko.append(rodzic1[i])
        else:
            dziecko.append(rodzic2[i])
    return dziecko


def ewolucja():
    populacja = (wygeneruj_populacje_poczatkowa())

    for gen in range(GENERACJI):
        # wybranie jedynie najlepszych osobnikow
        rodzice = selekcja(populacja)
        # stworz nowa generacje poprzez krzyzowanie i mutacje
        potomek = []
        while len(potomek) < ROZMIAR_POPULACJI:
            rodzic1, rodzic2 = random.sample(rodzice, 2)
            dziecko = krzyzowanie(rodzic1, rodzic2)
            dziecko = mutacja(dziecko, MUTATION_RATE)
            potomek.append(dziecko)
        populacja = potomek
        najlepszy_potomek = max(populacja, key=ocena_osobnika)
        print(f'Generacja {gen}: Best Fitness = {ocena_osobnika(najlepszy_potomek)}')
    return max(populacja, key=ocena_osobnika)


wynikowa_populacja = ewolucja()
print('Wynikowa populacja: ' , wynikowa_populacja)

liczba_roslin = 0

karta = np.zeros((rows, cols))
for koord in wynikowa_populacja:
    i = koord[0]
    j = koord[1]
    if karta[i][j] != 7.7:
        liczba_roslin += 1
        karta[i][j] = 7.7

print('Liczba roślin: ' , liczba_roslin)

for i in range(cols):
    for j in range(rows):
        print(karta[i][j], end=' ')
    print(' ')

print(' ')

#Krzyrzowanie z zastępowaniem powtórek wartościami randomowymi

#kandydat = rodzic1[i] if random.random() < 0.5 else rodzic2[i]
          # zastępowanie powtóra koordynatów wartością randomową (mutacja)
        #while(kandydat in dziecko):
            #x = random.randint(0, ZASIEG - 1)
            #y = random.randint(0, ZASIEG - 1)
            #kandydat = (x, y)