import utils

import scipy

import numpy

# Inicializacao e importacao de dados

print "initializing and loading data"

#mat_file = utils.read_mat("final.mat")

mat_file = utils.read_mat("Final35.mat")

# Variancia

s2 = mat_file["s2"]

# Matriz de probabilidades

matriz_probabilidades = mat_file["probab"]

# Consumo total

Consumo_total = mat_file["x_teste"]

# Vector com o numero de submaquinas de cada maquina

n_maquinas = mat_file["n_maquinas"][0].tolist()

# Vector com o consumo de cada submaquina

pesos = mat_file["pesos"].tolist()[0]

# Variaveis auxiliares

l = scipy.shape(pesos)[0]

t = scipy.shape(Consumo_total)[0]

# Matriz de armazenamento dos resultados de cada problema

optimo = scipy.zeros([t,l,5])

# Geracao da lista de permutacoes

[lista,comb] = utils.calc_comb(n_maquinas, pesos)

# Minimizacao

for n in range(0,1):

print "in problem %s" % n

a = 0;

best =[float('Inf')]*5

# Caso o consumo total seja zero nao e necessario optimizar

if Consumo_total[n] == 0:

continue

# Percorre todas as permutacoes

for idx, c in enumerate(comb):

if idx % 100000 == 0:

print "iteration %s" % idx

# Calculo do vector de combinacoes e dos consumos

[combinacoes, consumos] = utils.uns(lista, c, n_maquinas)

combinacoes = numpy.array(combinacoes)

# Dada a baixa variancia so interessam combinacoes cujo consumo seja igual ao consumo total

if s2 < 0.000001:

if Consumo_total[n]-sum(consumos) != 0:#mudar

continue

# Calculo da primeira parte do funcional de custo

custo = 1/(2*s2)*(Consumo_total[n] - sum(consumos))**2

# Calculo da segunda parte do funcional de custo

custo = custo - numpy.dot(combinacoes,numpy.log(matriz_probabilidades[n,:])) - numpy.dot((1-combinacoes,),numpy.log(1-matriz_probabilidades[n,:]))

# Armazenamento de resultados

for i in xrange(5):

if custo < best[i]:

if i == 5:

best[i] = custo

optimo[n,:,i] = combinacoes

break

for m in range(0,4-i):

best[i] = custo

optimo[n,:,i]

best[i] = custo

optimo[n,:,i] = combinacoes

break