import copy
import json
import random
from displayControler import NUM_X, NUM_Y

# Definiowanie stałych dla roślin i plonów
plants = ['corn', 'potato', 'tomato', 'carrot']
initial_yields = {'corn': 38, 'potato': 40, 'tomato': 43, 'carrot': 45}
yield_reduction = {
    'corn': {'corn': -4.5, 'potato': -3, 'tomato': -7, 'carrot': -7},
    'potato': {'corn': -7, 'potato': -5, 'tomato': -10, 'carrot': -6},
    'tomato': {'corn': -4, 'potato': -5, 'tomato': -7, 'carrot': -7},
    'carrot': {'corn': -11, 'potato': -5, 'tomato': -4, 'carrot': -7}
}
yield_multiplier = {'corn': 1.25, 'potato': 1.17, 'tomato': 1.22, 'carrot': 1.13}


# Generowanie listy 20x12 z losowo rozmieszczonymi roślinami
def generate_garden(rows=20, cols=12):
    return [[random.choice(plants) for _ in range(cols)] for _ in range(rows)]


# Funkcja do obliczania liczby plonów
def calculate_yields(garden):
    rows = len(garden)
    cols = len(garden[0])

    total_yields = 0

    for i in range(rows):
        for j in range(cols):
            plant = garden[i][j]
            yield_count = initial_yields[plant]

            # Sprawdzanie sąsiadów
            neighbors = [
                (i - 1, j), (i + 1, j), (i, j - 1), (i, j + 1)
            ]

            for ni, nj in neighbors:
                if 0 <= ni < rows and 0 <= nj < cols:
                    neighbor_plant = garden[ni][nj]
                    yield_count += yield_reduction[plant][neighbor_plant]

            yield_count *= yield_multiplier[plant]
            total_yields += yield_count

    return total_yields


# Funkcja do generowania planszy/ogrodu i zapisywania go jako lista z liczbą plonów
def generate_garden_with_yields(rows=NUM_Y, cols=NUM_X):
    garden = generate_garden(rows, cols)
    total_yields = calculate_yields(garden)
    return [garden, total_yields]


# Funkcja do generowania linii cięcia i zapisywania jej jako liczba roślin w kolumnie z pierwszej planszy/ogrodu
def line():
    path = []
    flag = False
    x = random.randint(4, 8)
    position = (0, x)
    path.append(position)
    while not flag:  # wybór punktu dopóki nie wybierze się skrajnego
        # prawdopodobieństwo "ruchu" -> 0.6: w prawo, 0.2: w góre, 0.2: w dół
        p = [(position[0] + 1, position[1]), (position[0], position[1] + 1), (position[0], position[1] - 1)]
        w = [0.6, 0.2, 0.2]
        position2 = random.choices(p, w)[0]
        if position2 not in path:  # sprawdzenie czy dany punkt nie był już wybrany aby nie zapętlać się
            path.append(position2)
            position = position2
        if position[0] == NUM_X or position[1] == 0 or position[1] == NUM_Y:  # sprawdzenie czy osiągnięto skrajny punkt
            flag = True
    info = []  # przeformatowanie sposobu zapisu na liczbę roślin w kolumnie, które będzię się dzidziczyło z pierwszej planszy/ogrodu
    for i in range(len(path) - 1):
        if path[i + 1][0] - path[i][0] == 1:
            info.append(NUM_Y - path[i][1])
    if len(info) < NUM_X:  # uzupełnienie informacji o dziedziczeniu z planszy/ogrodu
        if path[-1:][0][1] == 0:
            x = NUM_Y
        else:
            x = 0
        while len(info) < NUM_X:
            info.append(x)
    # return path, info
    return info


# Funkcja do generowania potomstwa
def divide_gardens(garden1, garden2):
    info = line()
    new_garden1 = [[] for _ in range(NUM_Y)]
    new_garden2 = [[] for _ in range(NUM_Y)]
    for i in range(NUM_X):
        for j in range(NUM_Y):
            # do utworzonych kolumn w nowych planszach/ogrodach dodajemy dziedziczone rośliny
            if j < info[i]:
                new_garden1[j].append(garden1[j][i])
                new_garden2[j].append(garden2[j][i])
            else:
                new_garden1[j].append(garden2[j][i])
                new_garden2[j].append(garden1[j][i])

    return [new_garden1, calculate_yields(new_garden1)], [new_garden2, calculate_yields(new_garden2)]


# Funkcja do mutacji danej planszy/ogrodu
def mutation(garden, not_used):
    new_garden = copy.deepcopy(garden)
    for i in range(NUM_X):
        x = random.randint(0, 11)  # wybieramy, w którym wierszu w i-tej kolumnie zmieniamy roślinę na inną
        other_plants = [plant for plant in plants if plant != new_garden[x][i]]
        new_garden[x][i] = random.choice(other_plants)
    return [new_garden, calculate_yields(new_garden)]


# Funkcja do generowania pierwszego pokolenia
def generate(n):
    generation = []
    for i in range(n * 3):
        generation.append(generate_garden_with_yields())
    generation.sort(reverse=True, key=lambda x: x[1])
    return generation[:n]


# Funkcja do implementacji ruletki (sposobu wyboru) - sumuje wszystkie plony generacji
def sum_yields(x):
    s = 0
    for i in range(len(x)):
        s += x[i][1]
    return s


if __name__ == '__main__':
    roulette = True
    attemps = 150
    iterat = 2500
    population = 100
    best = []
    for a in range(attemps):
        generation = generate(population)
        print(generation[0][1])
        for i in range(iterat):  # ile iteracji - nowych pokoleń
            print(a, i)
            new_generation = generation[:(population // 7)]  # dziedziczenie x najlepszych osobników
            j = 0
            while j < (
                    population - (
                    population // 7)):  # dobór reszty osobników do pełnej liczby populacji danego pokolenia
                if roulette:  # zasada ruletki -> "2 rzuty kulką"
                    s = sum_yields(generation)  # suma wszystkich plnów całego pokolenia
                    z = []
                    if s == 0:  # wtedy każdy osobnik ma takie same szanse
                        z.append(random.randint(0, population - 1))
                        z.append(random.randint(0, population - 1))
                    else:
                        weights = []  # wagi prawdopodobieństwa dla każdego osobnika generacji
                        pos = []  # numery od 0 do 49 odpowiadające numerom osobnikom w generacji
                        for i in range(population):
                            weights.append(generation[i][1] / s)
                            pos.append(i)
                        z.append(random.choices(pos, weights)[0])  # wybranie osobnika według wag prawdopodobieństwa
                        z.append(random.choices(pos, weights)[0])  # wybranie osobnika według wag prawdopodobieństwa
                else:  # metoda rankingu
                    z = random.sample(range(0, int(population // 1.7)), 2)

                # krzyzowanie 90% szans, mutacja 10% szans
                function = [divide_gardens, mutation]
                weight = [0.9, 0.1]
                fun = random.choices(function, weight)[0]
                h = fun(generation[z[0]][0], generation[z[1]][0])
                if len(h[0]) == 2:
                    new_generation.append(h[0])
                    new_generation.append(h[1])
                    j += 2
                else:
                    new_generation.append(h)
                    j += 1

            new_generation.sort(reverse=True, key=lambda x: x[1])  # sortowanie malejąco listy według wartości plonów
            generation = new_generation[:population]

        best.append(generation[0])

    best.sort(reverse=True, key=lambda x: x[1])

    # Zapis do pliku
    # for i in range(len(best)):
    #     print(best[i][1], calculate_yields(best[i][0]))
    #
    #
    # with open(f'pole_pop{population}_iter{iterat}_{roulette}.json', 'w') as file:  # zapis planszy/ogrodu do pliku json
    #     json.dump(best[0][0], file, indent=4)
    #
    # print("Dane zapisane do pliku")

    # Odczyt z pliku
    # with open(f'pole_pop{population}_iter{iterat}_{roulette}.json', 'r') as file:
    #     garden_data = json.load(file)
    #
    # print("Odczytane dane ogrodu:")
    # for row in garden_data:
    #     print(row)
    #
    # print(calculate_yields(garden_data))
    # if best[0][0] == garden_data:
    #     print("POPRAWNE: ", calculate_yields(garden_data), calculate_yields(best[0][0]))