Merge remote-tracking branch 'origin/main'

src/python/src/delivery_ag/README.md

@@ -1,13 +1,47 @@
-## Solução da Atividade
+## Solução da atividade
 
-Esta é a documentação referente à solução da atividade [Atividade sobre caixeiro viajante - Delivery AG](../../../../doc/classroom-tasks/01-delivery-ag.md). Trata-se de uma implementação simples, desenvolvida utilizando a linguagem de programação Python. 
-O principal objetivo dessa solução é apresentar um esboço inicial de como será o desenvolvimento. 
-À medida que a solução for sendo consolidada, avançaremos para abordagens mais complexas, incluindo o uso de interfaces gráficas em vez de exibir as informações no console.
+Esta é a documentação referente à solução da atividade [Atividade sobre caixeiro viajante - Delivery AG](../../../../doc/classroom-tasks/01-delivery-ag.md). Trata-se de uma implementação simples desenvolvida em Python. O principal objetivo dessa solução é apresentar um esboço inicial do desenvolvimento. À medida que a solução for sendo consolidada, avançaremos para abordagens mais complexas, incluindo o uso de interfaces gráficas em vez de exibir as informações no console.
+
+## Pré-requisitos
+
+Para executar a solução, é altamente recomendado que o ambiente esteja configurado corretamente para este projeto, com o Python e suas devidas configurações, conforme mencionado na documentação deste repositório. Por isso, antes de executar os comandos abaixo, leia a documentação para verificar se o ambiente está configurado corretamente.
+
+- [Link para a documentação de configuração do ambiente](../../README.md)
 
 ## Execução
 
-Para realizar a execução desta tarefa, utilize o seguinte comando em seu computador, dentro do nosso ambiente:
+Para rodar os testes relacionados a esta atividade, utilize o comando abaixo:
 
 ```shell
-python3 src/python/caixeiro_viajante_simple/__init__.py
+pytest src/python/tests/delivery_ag
 ```
+
+Esse comando executa a sequência de testes predefinidos dentro do projeto, validando um cenário específico abordado em sala de aula. Por meio desses testes, é possível verificar a eficiência do algoritmo para o cenário base. Veja o exemplo de execução na imagem abaixo:
+
+![image](https://github.com/user-attachments/assets/5706e7d8-1068-45de-831f-0b0e8706e8af)
+
+Você também pode visualizar os resultados dos testes por meio das ferramentas de CI/CD:
+
+- [Clique aqui para visualizar a execução no CI/CD](https://github.com/ReinanHS/algoritmo-genetico-ifs/actions/runs/12245077113/job/34158195809)
+
+### Execução do cenário pré-definido
+
+Para executar o cenário pré-definido sem usar testes, utilize o comando abaixo. Ele executa um cenário padrão usado em sala de aula:
+
+```shell
+python src/python/src/delivery_ag/exemplo_simples.py
+```
+
+### Execução do cenário aleatório
+
+Conforme solicitado na atividade, foi criado um cenário onde as informações são definidas de maneira aleatória. Para executar esse cenário, em que as cidades e rotas de entrega são geradas aleatoriamente, utilize o comando abaixo:
+
+```shell
+python src/python/src/delivery_ag/exemplo_aleatorio.py
+```
+
+Veja o exemplo de execução:
+
+![image](https://github.com/user-attachments/assets/badd9073-9655-44fa-a7ce-6fb4c6383ce5)
+
+

src/python/src/delivery_ag/exemplo_aleatorio.py

@@ -4,36 +4,72 @@
 from ag import AlgoritmoGenetico
 from view import Estatistica
 
-cidades = []
-rotas = []
 
-for i in range(10):
-    cidades.append(Cidade(nome='Cidade {}'.format(i)))
+def gerar_cidades(numero_cidades: int = 10):
+    cidades_array = []
 
-for i in cidades:
-    rota = []
+    for i in range(numero_cidades):
+        cidades_array.append(Cidade(nome='{}'.format(i)))
 
-    for j in cidades:
-        if random() < 0.3:
-            rota.append(-1)
-        else:
-            rota.append(round(random() * 200) + 1)
+    return cidades_array
 
-    rotas.append(rota)
 
-rotas_entrega = []
+def gerar_rotas(cidades_rota: list[Cidade]):
+    rotas_array = []
 
-for i in range(round(len(cidades) / 2)):
-    rotas_entrega.append(
-        round(
-            random() * (len(cidades) - 1)
-        ) + 1
-    )
+    for _ in cidades_rota:
+        rota = []
 
+        for j in cidades_rota:
+            if random() < 0.4:
+                rota.append(-1)
+            else:
+                rota.append(round(random() * 200) + 1)
+
+        rotas_array.append(rota)
+    return rotas_array
+
+
+def gerar_rotas_entrega(numero_rotas: int,
+                        rotas_busca: list[list[int]],
+                        index: int = 0,
+                        rotas_array: list[int] = None):
+    if rotas_array is None:
+        rotas_array = []
+
+    if numero_rotas == index:
+        return rotas_array
+
+    rota_valida = False
+    index_busca = round(random() * (len(rotas_busca) - 1))
+
+    while not rota_valida:
+        index_busca = round(random() * (len(rotas_busca) - 1))
+        if len(rotas_array) == 0 and rotas_busca[0][index_busca] != -1:
+            rota_valida = True
+
+        if len(
+                rotas_array) > 0 and rotas_busca[rotas_array[index - 1]][index_busca] != -1:
+            rota_valida = True
+
+    rotas_array.append(index_busca)
+
+    return gerar_rotas_entrega(
+        numero_rotas,
+        rotas_busca,
+        index + 1,
+        rotas_array)
+
+
+cidades = gerar_cidades(10)
+rotas = gerar_rotas(cidades)
 centro_distribuicao = 0
 
+numero_cidades_entrega = round(random() * (len(cidades) / 3)) + 1
+rotas_entrega = gerar_rotas_entrega(numero_cidades_entrega, rotas)
+
 taxa_mutacao = 0.05
-numero_geracoes = 400
+numero_geracoes = 500
 tamanho_populacao = 20
 debug_mode = False
 
@@ -51,6 +87,12 @@
     centro_distribuicao=centro_distribuicao,
 )
 
+print(
+    f" ***** (Informações do percurso) *****\n"
+    f" Cidade de distribuição: {cidades[centro_distribuicao].nome}\n"
+    f" Rota de entrega: {str(rotas_entrega)}\n"
+    f" ***** ================ *****\n"
+)
 print("\n\n O melhor resultado: \n")
 ag.melhor_solucao.print()