Update ml_engine/processor.py

ml_engine/processor.py

@@ -1,18 +1,19 @@
 # ml_engine/processor.py
-# (V12.0 - Titan Powered Core)
+# (V12.3 - Hybrid Scoring Core: Titan + Patterns + Monte Carlo)
 
 import asyncio
 import traceback
 import numpy as np
 
-# استيراد محرك Titan الجديد
+# استيراد المحركات الثلاثة
 try:
     from ml_engine.titan_engine import TitanEngine
 except ImportError:
-    print("❌ [Processor] لم يتم العثور على titan_engine.py! تأكد من إنشائه.")
+    print("❌ [Processor] لم يتم العثور على titan_engine.py!")
     TitanEngine = None
 
 from ml_engine.monte_carlo import MonteCarloAnalyzer
+from ml_engine.patterns import ChartPatternAnalyzer # محرك الأنماط V11.1
 
 class MLProcessor:
     def __init__(self, market_context, data_manager, learning_hub):
@@ -20,63 +21,94 @@ class MLProcessor:
         self.data_manager = data_manager
         self.learning_hub = learning_hub
         
-        # تهيئة المحركات
+        # 1. المحرك الرئيسي (Titan) - القناص (50%)
         self.titan = TitanEngine() if TitanEngine else None
+        
+        # 2. المحرك المساند (Patterns) - المتخصصون (40%)
+        # نستخدم نفس النسخة الموجودة في DataManager لتوفير الذاكرة إذا أمكن
+        if self.data_manager and self.data_manager.pattern_analyzer:
+             self.pattern_engine = self.data_manager.pattern_analyzer
+        else:
+             self.pattern_engine = ChartPatternAnalyzer()
+
+        # 3. المحرك الاحتمالي (Monte Carlo) - المدقق (10%)
         self.mc_analyzer = MonteCarloAnalyzer()
         
-        # حالة التهيئة
         self.initialized = False
 
     async def initialize(self):
-        """تهيئة غير متزامنة لمحرك Titan"""
-        if self.titan and not self.titan.initialized:
-            await self.titan.initialize()
-        self.initialized = True
+        """تهيئة جميع المحركات الفرعية"""
+        if not self.initialized:
+            print("⚙️ [Processor] تهيئة نظام التقييم الهجين...")
+            tasks = []
+            if self.titan and not self.titan.initialized:
+                tasks.append(self.titan.initialize())
+            if self.pattern_engine and not self.pattern_engine.initialized:
+                tasks.append(self.pattern_engine.initialize())
+            
+            if tasks:
+                await asyncio.gather(*tasks)
+            self.initialized = True
+            print("✅ [Processor] النظام الهجين جاهز.")
 
     async def process_and_score_symbol_enhanced(self, raw_data):
         """
-        المعالجة المركزية باستخدام Titan (Layer 2).
-        الآن، Titan هو المسؤول الأول والأخير عن القرار الفني.
+        المعالجة المركزية الهجينة (Hybrid Core Processing)
         """
-        # ضمان التهيئة
         if not self.initialized: await self.initialize()
-            
         symbol = raw_data.get('symbol')
-        ohlcv_data = raw_data.get('ohlcv') # {'5m': [], '15m': [], ...}
+        ohlcv_data = raw_data.get('ohlcv')
         
-        if not symbol or not ohlcv_data or not self.titan: return None
+        if not symbol or not ohlcv_data: return None
 
         try:
-            # 1. 🧠 استدعاء العقل المدبر (Titan Inference)
-            # Titan سيأخذ البيانات الخام، يطبق الهرم المقلوب، ويعطي احتمالية دقيقة
-            titan_result = self.titan.predict(ohlcv_data)
-            titan_score = titan_result.get('score', 0.0)
-
-            # 2. 🎲 تحليل مخاطر إضافي (اختياري للدعم)
-            # يمكننا تشغيل مونت كارلو سريع كـ "رأي ثانٍ" للتأكيد فقط
+            # --- 1. تشغيل المحركات الثلاثة بالتوازي ---
+            # (للسرعة القصوى، لا ننتظر واحداً تلو الآخر)
+            
+            # أ. مهمة Titan
+            titan_task = asyncio.to_thread(self.titan.predict, ohlcv_data) if self.titan else None
+            
+            # ب. مهمة الأنماط
+            pattern_task = self.pattern_engine.detect_chart_patterns(ohlcv_data) if self.pattern_engine else None
+            
+            # ج. مهمة مونت كارلو (على فريم الساعة كمعيار)
             mc_score = 0.5
             if '1h' in ohlcv_data:
                  closes = np.array([c[4] for c in ohlcv_data['1h']])
+                 # تشغيل سريع غير متزامن للمحاكاة
                  mc_res = self.mc_analyzer.generate_1h_price_distribution_simple(closes)
+                 # تطبيع النتيجة لتكون بين 0 و 1 (هي أصلاً احتمالية)
                  mc_score = mc_res.get('mc_prob_gain', 0.5)
 
-            # 3. 📊 تجميع النتيجة النهائية
-            # ف�� V12.0، نثق بـ Titan بنسبة 100% لأنه تدرب على كل شيء
-            final_decision_score = titan_score
-            
-            # هيكل النتيجة الموحد
+            # انتظار النتائج
+            titan_res = await titan_task if titan_task else {'score': 0.0}
+            pattern_res = await pattern_task if pattern_task else {'pattern_confidence': 0.0}
+
+            # --- 2. استخراج الدرجات الخام ---
+            score_titan = titan_res.get('score', 0.0)
+            score_patterns = pattern_res.get('pattern_confidence', 0.0)
+            score_mc = mc_score
+
+            # --- 3. تطبيق المعادلة الهجينة (The Hybrid Formula) ---
+            # Titan (50%) + Patterns (40%) + MC (10%)
+            hybrid_score = (score_titan * 0.50) + (score_patterns * 0.40) + (score_mc * 0.10)
+
+            # تجميع النتيجة النهائية
             analysis_result = {
                 'symbol': symbol,
                 'current_price': raw_data.get('current_price', 0.0),
-                # النتيجة النهائية التي سيعتمد عليها المستكشف والحارس
-                'enhanced_final_score': final_decision_score,
+                'enhanced_final_score': hybrid_score, # الدرجة النهائية المعتمدة
                 
-                # تفاصيل للشفافية والتسجيل
-                'titan_score': titan_score,
-                'mc_validation_score': mc_score,
-                'titan_status': titan_result.get('status', 'UNKNOWN'),
+                # تفاصيل للشفافية (Audit Trail)
+                'components': {
+                    'titan_score': score_titan,
+                    'patterns_score': score_patterns,
+                    'mc_score': score_mc
+                },
+                'titan_details': titan_res,
+                'pattern_details': pattern_res.get('details', {}),
                 
-                # الاحتفاظ بالبيانات لاستخدام الحارس لاحقاً
+                # عينة بيانات للحارس
                 'ohlcv_sample': {tf: data[-1] for tf, data in ohlcv_data.items() if data}
             }
 
@@ -87,4 +119,4 @@ class MLProcessor:
             traceback.print_exc()
             return None
 
-print("✅ ML Processor V12.0 (Titan Core) loaded.")
+print("✅ ML Processor V12.3 (Hybrid Core) loaded.")