# -*- coding: utf-8 -*-
"""optimisation_examen_PMNE.ipynb

Automatically generated by Colab.

Original file is located at
    https://colab.research.google.com/drive/1Uewn7e8zZiGZdAAYHqXJtl-3TA7sj5eL
"""

#!pip install pulp
#!pip install gradio

import gradio as gr
import pandas as pd
from pulp import LpMinimize, LpProblem, LpVariable, lpSum

def planifier_examens(examens_text, salles_text, jours_text, creneaux_text, disponibilite_salle_text, conflits_text):
    # --- 1. Parsing des données ---
    # Examens
    examens = []
    for line in examens_text.strip().splitlines():
        parts = line.split(',')
        if len(parts) == 3:
            exam_id, nb_students, duration = parts
            examens.append((exam_id.strip(), int(nb_students.strip()), int(duration.strip())))

    # Salles et capacités
    salles = {}
    for line in salles_text.strip().splitlines():
        parts = line.split(',')
        if len(parts) == 2:
            room_id, capacity = parts
            salles[room_id.strip()] = int(capacity.strip())

    # Jours et créneaux
    jours = [int(j.strip()) for j in jours_text.split(',')]
    creneaux = [int(c.strip()) for c in creneaux_text.split(',')]

    # Disponibilité des salles
    disponibilite_salle = {}
    for line in disponibilite_salle_text.strip().splitlines():
        parts = line.split(',')
        room_id = parts[0].strip()
        disponibilite_salle[room_id] = [int(s) for s in parts[1:]]

    # Conflits entre examens
    conflits = []
    for line in conflits_text.strip().splitlines():
        parts = line.split(',')
        conflits.append((parts[0].strip(), parts[1].strip()))

    # --- 2. Modélisation avec PuLP (PMNE) ---
    model = LpProblem("Planification_Examens", LpMinimize)

    # Variables de décision
    X = {(e, d, c, s): LpVariable(f"X_{e}_{d}_{c}_{s}", cat="Binary")
         for e, _, _ in examens for d in jours for c in creneaux for s in salles}
    Y = {d: LpVariable(f"Y_{d}", cat="Binary") for d in jours}

    # Contrainte 1 : Chaque examen doit être programmé une seule fois
    for e, _, _ in examens:
        model += lpSum(X[e, d, c, s] for d in jours for c in creneaux for s in salles) == 1

    # Contrainte 2 : Capacité des salles respectée
    for d in jours:
        for c in creneaux:
            for s in salles:
                model += lpSum(nb_students * X[e, d, c, s] for e, nb_students, _ in examens) <= salles[s]

    # Contrainte 3 : Une salle ne peut accueillir qu’un seul examen par créneau
    for d in jours:
        for c in creneaux:
            for s in salles:
                model += lpSum(X[e, d, c, s] for e, _, _ in examens) <= 1

    # Contrainte 4 : Disponibilité des salles
    for e, _, _ in examens:
        for d in jours:
            for c in creneaux:
                for s in salles:
                    if disponibilite_salle[s][c - 1] == 0:
                        model += X[e, d, c, s] == 0

    # Contrainte 5 : Conflits entre examens (ne pas être en même temps)
    for e1, e2 in conflits:
        for d in jours:
            for c in creneaux:
                model += lpSum(X[e1, d, c, s] for s in salles) + lpSum(X[e2, d, c, s] for s in salles) <= 1

    # Contrainte 6 : Activation des jours
    for d in jours:
        for e, _, _ in examens:
            for c in creneaux:
                for s in salles:
                    model += Y[d] >= X[e, d, c, s]

    # Fonction Objectif : Minimiser le nombre de jours utilisés
    model += lpSum(Y[d] for d in jours)

    # --- 3. Résolution ---
    model.solve()

    # --- 4. Extraction des résultats ---
    planning = []
    for e, _, _ in examens:
        for d in jours:
            for c in creneaux:
                for s in salles:
                    if X[e, d, c, s].varValue == 1:
                        planning.append({"Examen": e, "Jour": d, "Créneau": c, "Salle": s})

    df = pd.DataFrame(planning)
    df.to_csv("planning_examens.csv", index=False)

    return df, "planning_examens.csv"

# Interface avec Gradio
with gr.Blocks() as demo:
    gr.Markdown("# 📅 Planification des Examens avec PMNE et Gradio")

    exams_input = gr.Textbox(label="Examens (exam_id, nb_étudiants, durée)", lines=5,
                             value="E1, 30, 2\nE2, 25, 1\nE3, 40, 2\nE4, 20, 1")
    rooms_input = gr.Textbox(label="Salles (room_id, capacité)", lines=3,
                             value="S1, 50\nS2, 30\nS3, 40")
    jours_input = gr.Textbox(label="Jours disponibles (séparés par des virgules)", value="1, 2, 3")
    creneaux_input = gr.Textbox(label="Créneaux disponibles (séparés par des virgules)", value="1, 2, 3, 4")
    disponibilite_input = gr.Textbox(label="Disponibilité des salles (room_id, slot1, slot2, ...)", lines=4,
                                     value="S1, 1, 1, 1, 1\nS2, 1, 1, 0, 1\nS3, 1, 1, 1, 0")
    conflits_input = gr.Textbox(label="Conflits entre examens (exam1, exam2)", lines=3,
                                value="E1, E3")

    output_table = gr.Dataframe(headers=["Examen", "Jour", "Créneau", "Salle"], label="Planning des examens")
    output_file = gr.File(label="Télécharger le planning")

    solve_btn = gr.Button("Planifier les examens")
    solve_btn.click(
        fn=planifier_examens,
        inputs=[exams_input, rooms_input, jours_input, creneaux_input, disponibilite_input, conflits_input],
        outputs=[output_table, output_file]
    )

demo.launch()