import numpy as np

result_log = ""


def log(*values, sep=" ", end="\n"):
    global result_log
    result_log += sep.join(list(map(str, values))) + end
    print(*values, sep=sep, end=end)


def point_info(x, f):
    return f"x = {x}, f(x) = {f(x)}"


def hooke_jeeves(
    f, x0, delta0, epsilon, alpha, r=lambda x: True, fit=lambda a, b: a < b
):
    x = np.array(x0)
    delta = np.array(delta0)

    iteration = 0

    while np.linalg.norm(delta) > epsilon:
        iteration += 1

        log()
        log("=" * 40)
        log("Итерация", iteration)

        log("Текущая базовая точка", point_info(x, f))

        sample_x = exploratory_search(f, x, delta, r=r, fit=fit)

        if fit(f(sample_x), f(x)):
            log("Исследующий поиск УДАЧНЫЙ")

            x_p = sample_search(f, x, sample_x, r=r, fit=fit)

            if fit(f(x_p), f(x)):
                log("Поиск по образцу УДАЧНЫЙ")
                x = x_p
            else:
                log("Поиск по образцу ПРОВАЛЕН")
                x = sample_x

            log()
            log("Новая базовая точка", point_info(x, f))

        else:
            log("Исследующий поиск ПРОВАЛЕН")

            log("Уменьшаем шаг", delta, "->", delta / alpha)
            delta = delta / alpha
            log("ε =", np.linalg.norm(delta))

    return x, f(x)


def exploratory_search(f, x, delta, r=lambda x: True, fit=lambda a, b: a < b):
    log()
    log("Выполняем исследующий поиск")

    x_new = np.array(x)
    f_x_new = f(x_new)

    for i in range(len(x)):
        x_up = x_new.copy()
        x_down = x_new.copy()

        x_up[i] += delta[i]
        x_down[i] -= delta[i]

        f_x_up = f(x_up)
        f_x_down = f(x_down)

        if not r(x_up) or not r(x_down):
            log("Ограничение ОДЗ")

        if fit(f_x_up, f_x_new) and fit(f_x_up, f_x_down) and r(x_up):
            x_new = x_up
            f_x_new = f_x_up
        elif fit(f_x_down, f_x_new) and r(x_down):
            x_new = x_down
            f_x_new = f_x_down

    if any([x_new[i] != x[i] for i in range(len(x))]):
        log("Найдена точка", x_new, f(x_new))
    return x_new


def sample_search(f, x1, x2, r=lambda x: True, fit=lambda a, b: a < b):
    log()
    log("Выполняем поиск по образцу")
    while fit(f(x2), f(x1)):
        if not r(x2 + (x2 - x1)):
            log("Ограничение ОДЗ")
            break
        x2, x1 = x2 + (x2 - x1), x2
    log("Найдена точка", x2, f(x2))
    return x2


def example():
    # начальная базовая точка
    x0 = [100, 100]

    # начальное значение приращения
    delta0 = [10, 10]

    # коэффициент приращения
    alpha = 2

    # условие окончания поиска
    epsilon = 1e-4

    # коэффициенты при неизвестных (порядок обратный)
    c = [[1, 1, 1, 1, 1, 1, 1], [1, 1, 1, 1, 1, 1, 1]]

    def fit(a, b):
        """
        Функция сравнения значений оптимизируемой функции
        > - ищем максимум
        < - ищем минимум
        """
        return a > b

    def r(x):
        """
        Функция, описывающая область допустимых значений.
        Должна возвращать истину, если точка находится в ОДЗ.
        """
        return -10000 < x[0] < 10000 and -10000 < x[1] < 10000

    def f(x):
        """
        Функция, которую мы должны оптимизировать
        """
        return sum(
            [
                sum([c[i][j] * x[i] ** j for j in range(len(c[i]))])
                for i in range(len(c))
            ]
        )

    x, val = hooke_jeeves(f, x0, delta0, epsilon, alpha, r=r, fit=fit)
    return x, val


if __name__ == "__main__":

    x, val = example()

    log()
    log("=" * 40)
    log("Точка экстремумв:", x)
    log("Минимальное значение функции:", val)

    with open("result.log", "w", encoding="utf-8") as file:
        file.write(result_log)