'''EPR Übung 7'''
__author__ = "7987847, Werner"

import random

def gen_matrix(width_height: int) -> list[list[(int, int)]]:
    '''Generiert eine nxn Matrix mit Zufallszahlen zwischen -9 und 9
    Args:
        n (int): Dimension der Matrix
    Returns:
        list(list()): nxn Matrix mit Zufallszahlen zwischen -9 und 9
    '''
    return [[random.randint(-9, 9) for _ in range(width_height)] for _ in range(width_height)]


def greedy_approach(matrix) -> list((int, int)):
    '''Greedy Ansatz für den Weg durch die Matrix

    Returns:
        list((int, int)): Liste mit den Koordinaten des Weges
    '''

    width_height = len(matrix)

    # Testmatrix
    #matrix = [[4, 0, 8], [-3, -4, -7], [-8, -1, 7]]

    # Startpunkt
    path_list = [(0, 0)]
    index = (0, 0)

    cost = matrix[0][0]

    # Solange der Endpunkt nicht erreicht ist
    while index != (width_height-1, width_height-1):
        # Aktuelle Position
        index_x, index_y = index

        best_next_index = None

        # Bestimmen des bestmöglichen nächsten Schrittes

        # nach Rechts
        if index_x+1 < width_height:
            # check if best_next_index not in path_list
            if (index_x+1, index_y) not in path_list:
                best_next_index = (index_x+1, index_y)
                best_next_value = matrix[index_y][index_x+1]
        # nach Unten
        if index_y+1 < width_height:
            if matrix[index_y+1][index_x] < best_next_value \
                and (index_x, index_y+1) not in path_list:
                best_next_index = (index_x, index_y+1)
                best_next_value = matrix[index_y+1][index_x]
        # nach Links
        if index_x-1 >= 0:
            if matrix[index_y][index_x-1] < best_next_value \
                and (index_x-1, index_y) not in path_list:
                best_next_index = (index_x-1, index_y)
                best_next_value = matrix[index_y][index_x-1]
        # nach Oben
        if index_y-1 >= 0:
            if matrix[index_y-1][index_x] < best_next_value \
                and (index_x, index_y-1) not in path_list:
                best_next_index = (index_x, index_y-1)
                best_next_value = matrix[index_y-1][index_x]
        # Wenn kein Schritt mehr möglich ist
        if not best_next_index:
            #print("Sackgasse!")
            break

        # Besten nächsten Schritt zum Weg hinzufügen
        path_list.append(best_next_index)
        index = best_next_index

        cost += best_next_value

    return path_list, cost


def recursive_optimal_path(
        matrix,
        current_position=(0, 0),
        current_cost=0,
        current_path=[]
        ):
    '''Rekursiver Ansatz für den Weg durch die Matrix

    Args:
        matrix (list(list())): Matrix
        current_position (tuple(int, int)): Aktuelle Position
        current_cost (int): Aktuelle Kosten
        current_path (list((int, int))): Aktueller Weg'''
    rows = len(matrix)
    end = (rows - 1, rows - 1)

    # Base case: reached the bottom right corner
    if current_position == end:
        return current_path + [end], current_cost

    row, col = current_position
    neighbors = []

    # Bestimmen des bestmöglichen nächsten Schrittes
    if row > 0:
        neighbors.append(((row - 1, col), matrix[row - 1][col]))
    if row < rows - 1:
        neighbors.append(((row + 1, col), matrix[row + 1][col]))
    if col > 0:
        neighbors.append(((row, col - 1), matrix[row][col - 1]))
    if col < rows - 1:
        neighbors.append(((row, col + 1), matrix[row][col + 1]))

    best_path = None
    best_cost = 99

    # Alle Nachbarn durchgehen
    for next_position, cost in neighbors:
        # Wenn der Nachbar nicht im Pfad ist, dann wird der Pfad rekursiv fortgesetzt
        # sonst bedeutet es, dass dieses Feld bereits besucht wurde
        if next_position not in current_path:
            new_path, new_cost = recursive_optimal_path(matrix, next_position,
                                                        current_cost + cost,
                                                        current_path + [current_position])

            # Wenn der neue Pfad besser ist, wird der alte überschrieben
            if new_cost < best_cost:
                best_path = new_path
                best_cost = new_cost

    return best_path, best_cost




if __name__ == "__main__":
    print("Greedy Ansatz")
    print("-------------")
    print("Je höher die Dimension der Matrix, desto länger dauert die Berechnung.")
    dimension = input("Geben Sie die Dimension der Matrix ein (positive Zahl): ")

    try:
        dimension = int(dimension)
    except ValueError:
        print("Bitte geben Sie eine positive Zahl ein.")
        exit()

    gened_matrix = gen_matrix(dimension)

    print("Matrix:")
    for i in gened_matrix:
        print(i)


    optimal_path, optimal_cost= greedy_approach(gened_matrix)

    print("Weg:", optimal_path)
    print("Kosten:", optimal_cost)

    print("\nOptimierter Ansatz")
    print("------------------")

    optimal_path, optimal_cost = recursive_optimal_path(gened_matrix)

    print("Weg:", optimal_path)
    print("Kosten:", optimal_cost)