import gradio as gr
import pandas as pd
from ortools.sat.python import cp_model
import concurrent.futures

def solve_exam_schedule(exams_text, rooms_text, num_slots, conflicts_text, availability_text, invigilators):
    # --- 1. Parsing des données ---
    # Ensembles autorisés
    allowed_filiere = {"IA", "SEIOT", "IM", "SI", "GL"}
    allowed_promotions = {"1ere", "2eme", "3eme", "master1", "master2"}
    
    # Format attendu pour les examens :
    # exam_id, nb_etudiants, durée, filière[;...], promotion(s)[;...], reprise (optionnel)
    exams = []
    for line in exams_text.strip().splitlines():
        if not line.strip():
            continue
        parts = line.split(',')
        if len(parts) < 5:
            return "Erreur : chaque ligne d'examen doit avoir au moins 5 valeurs : exam_id, nb_etudiants, durée, filière, promotion."
        try:
            exam_id = int(parts[0].strip())
            nb_students = int(parts[1].strip())
            duration = int(parts[2].strip())
        except ValueError:
            return "Erreur : exam_id, nb_etudiants et durée doivent être des nombres."
        # Extraction et vérification des filières
        filiere_str = parts[3].strip()
        filiere_set = {f.strip() for f in filiere_str.split(';')}
        if not filiere_set.issubset(allowed_filiere):
            return f"Erreur : filière(s) non autorisée(s). Autorisées : {', '.join(allowed_filiere)}."
        # Extraction et vérification des promotions
        promotion_str = parts[4].strip()
        promotion_set = {p.strip() for p in promotion_str.split(';')}
        if not promotion_set.issubset(allowed_promotions):
            return f"Erreur : promotion(s) non autorisée(s). Autorisées : {', '.join(allowed_promotions)}."
        reprise = 0
        if len(parts) >= 6:
            try:
                reprise = int(parts[5].strip())
            except ValueError:
                return "Erreur : la reprise doit être un nombre entier."
        exams.append((exam_id, nb_students, duration, filiere_set, promotion_set, reprise))
    num_exams = len(exams)
    
    # Mapping exam_id -> index (pour conflits manuels)
    exam_id_to_index = {exam[0]: idx for idx, exam in enumerate(exams)}
    
    # Lecture des salles : chaque ligne "room_id, capacité"
    rooms = []
    for line in rooms_text.strip().splitlines():
        if not line.strip():
            continue
        parts = line.split(',')
        try:
            room_id = int(parts[0].strip())
            capacity = int(parts[1].strip())
        except ValueError:
            return "Erreur : room_id et capacité doivent être des nombres."
        rooms.append((room_id, capacity))
    num_rooms = len(rooms)
    
    # Conflits supplémentaires (manuels) : chaque ligne "exam1, exam2"
    user_conflicts = []
    for line in conflicts_text.strip().splitlines():
        if not line.strip():
            continue
        parts = line.split(',')
        try:
            e1 = exam_id_to_index[int(parts[0].strip())]
            e2 = exam_id_to_index[int(parts[1].strip())]
            user_conflicts.append((e1, e2))
        except (KeyError, ValueError):
            return "Erreur dans les conflits : vérifiez que les exam_id existent et sont valides."
    
    # Conflits automatiques :
    # Deux examens sont en conflit s'ils partagent au moins une filière ou au moins une promotion.
    auto_conflicts = []
    for i in range(num_exams):
        for j in range(i + 1, num_exams):
            if exams[i][3].intersection(exams[j][3]) or exams[i][4].intersection(exams[j][4]):
                auto_conflicts.append((i, j))
    all_conflicts = set(user_conflicts + auto_conflicts)
    
    # Disponibilité des salles : chaque ligne "room_id, slot1, slot2, ..." (1 = dispo, 0 = non dispo)
    availability = {}
    for line in availability_text.strip().splitlines():
        if not line.strip():
            continue
        parts = line.split(',')
        try:
            room_id = int(parts[0].strip())
        except ValueError:
            return "Erreur : room_id dans la disponibilité doit être un nombre."
        slots = []
        for s in parts[1:]:
            try:
                slots.append(int(s.strip()))
            except ValueError:
                return "Erreur : les valeurs de disponibilité doivent être 0 ou 1."
        availability[room_id] = slots
    # Construction de la matrice de disponibilité dans l'ordre des salles
    avail_matrix = []
    for room in rooms:
        room_id = room[0]
        if room_id in availability:
            avail_matrix.append(availability[room_id])
        else:
            avail_matrix.append([1] * num_slots)
    
    # --- 2. Modélisation avec OR-Tools ---
    model = cp_model.CpModel()
    
    # Variable de décision :
    # x[i, j, k] = 1 si l'examen i est programmé au créneau j dans la salle k.
    x = {}
    for i in range(num_exams):
        for j in range(num_slots):
            for k in range(num_rooms):
                x[(i, j, k)] = model.NewBoolVar(f'x_{i}_{j}_{k}')
    
    # Chaque examen doit être programmé exactement une fois.
    for i in range(num_exams):
        model.Add(sum(x[(i, j, k)] for j in range(num_slots) for k in range(num_rooms)) == 1)
    
    # Contrainte de capacité :
    # Le nombre total d'étudiants (inscrits + reprises) pour les examens programmés dans une salle à un créneau ≤ capacité de la salle.
    for j in range(num_slots):
        for k in range(num_rooms):
            model.Add(
                sum((exams[i][1] + exams[i][5]) * x[(i, j, k)] for i in range(num_exams))
                <= rooms[k][1]
            )
    
    # Contrainte de conflits : deux examens en conflit ne peuvent être programmés au même créneau.
    for (i, l) in all_conflicts:
        for j in range(num_slots):
            model.Add(
                sum(x[(i, j, k)] for k in range(num_rooms)) +
                sum(x[(l, j, k)] for k in range(num_rooms))
                <= 1
            )
    
    # Contrainte de disponibilité des salles.
    for j in range(num_slots):
        for k in range(num_rooms):
            if avail_matrix[k][j] == 0:
                for i in range(num_exams):
                    model.Add(x[(i, j, k)] == 0)
    
    # --- Nouvelles contraintes supplémentaires ---
    
    # 1. Disponibilité des ressources humaines (enseignants surveillants)
    # Chaque examen requiert un enseignant, donc le nombre total d'examens simultanés ≤ nombre d'enseignants disponibles.
    for j in range(num_slots):
        model.Add(sum(x[(i, j, k)] for i in range(num_exams) for k in range(num_rooms)) <= invigilators)
    
    # 2. Un étudiant (promotion) ne peut être inscrit à deux examens simultanément
    # Pour chaque promotion et chaque créneau, au plus un examen (contenant cette promotion) peut être programmé.
    for p in allowed_promotions:
        for j in range(num_slots):
            model.Add(sum(x[(i, j, k)] for i in range(num_exams) if p in exams[i][4] for k in range(num_rooms)) <= 1)
    
    # 3. Marges de transition dans chaque salle
    # Si une salle est utilisée au créneau j, elle doit rester libre au créneau j+1.
    for k in range(num_rooms):
        for j in range(num_slots - 1):
            model.Add(
                sum(x[(i, j, k)] for i in range(num_exams)) +
                sum(x[(i, j+1, k)] for i in range(num_exams))
                <= 1
            )
    
    # Objectif : Minimiser le dernier créneau utilisé (T_max)
    T_max = model.NewIntVar(0, num_slots - 1, 'T_max')
    y = {}
    for i in range(num_exams):
        for j in range(num_slots):
            y[(i, j)] = model.NewBoolVar(f'y_{i}_{j}')
            model.Add(sum(x[(i, j, k)] for k in range(num_rooms)) == y[(i, j)])
    
    for i in range(num_exams):
        for j in range(num_slots):
            model.Add(T_max >= j).OnlyEnforceIf(y[(i, j)])
    
    model.Minimize(T_max)
    
    # --- 3. Résolution ---
    solver = cp_model.CpSolver()
    solver.parameters.max_time_in_seconds = 10  # Limite de temps pour éviter un blocage trop long
    status = solver.Solve(model)
    
    if status == cp_model.OPTIMAL or status == cp_model.FEASIBLE:
        schedule = []
        for i in range(num_exams):
            for j in range(num_slots):
                for k in range(num_rooms):
                    if solver.Value(x[(i, j, k)]) == 1:
                        exam_id = exams[i][0]
                        nb_students = exams[i][1]
                        duration = exams[i][2]
                        filiere = ";".join(sorted(list(exams[i][3])))
                        promotions = ";".join(sorted(list(exams[i][4])))
                        reprise = exams[i][5]
                        room_id = rooms[k][0]
                        schedule.append({
                            "Examen": exam_id,
                            "Filière": filiere,
                            "Promotion": promotions,
                            "Créneau": j,
                            "Salle": room_id,
                            "Nb Étudiants": nb_students,
                            "Reprise": reprise,
                            "Durée (h)": duration
                        })
        schedule = sorted(schedule, key=lambda item: item["Créneau"])
        df = pd.DataFrame(schedule)
        return df
    else:
        # En cas d'erreur, on retourne un DataFrame avec un message
        return pd.DataFrame([{"Message": "Aucune solution trouvée."}])

# Exécution dans un thread séparé
executor = concurrent.futures.ThreadPoolExecutor(max_workers=4)
def solve_in_thread(*args, **kwargs):
    future = executor.submit(solve_exam_schedule, *args, **kwargs)
    return future.result()

# Interface Gradio
with gr.Blocks(css=".gradio-container {max-width: 900px; margin: auto;}") as demo:
    gr.Markdown("# Planification des Examens Multi-Promotions, Filières et Contraintes de Ressources")
    gr.Markdown(
        "Format des examens :<br>"
        "`exam_id, nb_etudiants, durée, filière[;...], promotion(s)[;...], reprise (optionnel)`<br>"
        "Exemples :<br>"
        "`0, 30, 2, IA, 1ere, 5`<br>"
        "`1, 25, 1, SEIOT;GL, 2eme;3eme`<br><br>"
        "Vous pouvez modifier directement le planning dans le tableau ci-dessous une fois généré."
    )
    
    with gr.Row():
        exams_input = gr.Textbox(
            label="Liste des examens",
            lines=5,
            value="0, 30, 2, IA, 1ere, 5\n1, 25, 1, SEIOT, 2eme, 0\n2, 40, 2, IA;GL, 3eme, 0\n3, 20, 1, SI, master1, 0"
        )
    with gr.Row():
        rooms_input = gr.Textbox(
            label="Liste des salles (room_id, capacité)",
            lines=2,
            value="0, 50\n1, 30"
        )
    with gr.Row():
        num_slots_input = gr.Slider(
            label="Nombre de créneaux", minimum=1, maximum=10, step=1, value=4
        )
    with gr.Row():
        conflicts_input = gr.Textbox(
            label="Conflits supplémentaires (exam1, exam2) [optionnel]",
            lines=2,
            value="1, 3"
        )
    with gr.Row():
        availability_input = gr.Textbox(
            label="Disponibilité des salles (room_id, slot1, slot2, ... avec 1 pour dispo, 0 sinon)",
            lines=2,
            value="0, 1, 1, 1, 1\n1, 1, 1, 0, 1"
        )
    with gr.Row():
        invigilators_input = gr.Slider(
            label="Nombre d'enseignants disponibles par créneau", minimum=1, maximum=10, step=1, value=3
        )
    
    # Composant DataFrame interactif pour afficher et modifier le planning
    schedule_output = gr.Dataframe(headers=["Examen", "Filière", "Promotion", "Créneau", "Salle", "Nb Étudiants", "Reprise", "Durée (h)"],
                                   label="Calendrier des examens (modifiable)", interactive=True)
    
    solve_btn = gr.Button("Planifier les examens")
    solve_btn.click(
        fn=solve_in_thread,
        inputs=[exams_input, rooms_input, num_slots_input, conflicts_input, availability_input, invigilators_input],
        outputs=schedule_output
    )
    
demo.launch()