import random

# 1. Le problème : trouver la température qui donne la meilleure performance.
# La "vraie" solution est 72.5, mais l'algorithme ne le sait pas.
def tester_performance(temperature):
    # Plus on est proche de 72.5, meilleure est la performance (plus le score est bas)
    return abs(temperature - 72.5) 

# --- Initialisation ---
essaim = []
gBest_position = 0  # La meilleure température trouvée par le groupe
gBest_valeur = 1000 # La meilleure performance (on commence à l'infini)

# Créer 20 "oiseaux" (particules)
for _ in range(20):
    oiseau = {
        "position": random.uniform(10, 90), # Une température au hasard entre 10°C et 90°C
        "pBest_position": 0,                # Son meilleur souvenir (température)
        "pBest_valeur": 1000                # Son meilleur souvenir (performance)
    }
    essaim.append(oiseau)

# --- La Boucle de Recherche (L'algorithme) ---
for iteration in range(50): # On fait 50 "tours de vol"
    
    for oiseau in essaim:
        # 1. L'oiseau teste la performance à sa position actuelle
        performance = tester_performance(oiseau["position"])

        # 2. L'oiseau met à jour son souvenir personnel (pBest)
        if performance < oiseau["pBest_valeur"]:
            oiseau["pBest_valeur"] = performance
            oiseau["pBest_position"] = oiseau["position"]

        # 3. L'oiseau met à jour le souvenir du groupe (gBest)
        if performance < gBest_valeur:
            gBest_valeur = performance
            gBest_position = oiseau["position"]

    # 4. Mettre à jour la position de chaque oiseau
    # (C'est ici qu'ils "volent" vers pBest et gBest)
    for oiseau in essaim:
        # Chaque oiseau se rapproche un peu de son meilleur souvenir (pBest)
        # et un peu du meilleur souvenir du groupe (gBest)
        
        # (Ceci est une simplification de la formule de vitesse de PSO)
        tendance_pBest = (oiseau["pBest_position"] - oiseau["position"]) * random.random()
        tendance_gBest = (gBest_position - oiseau["position"]) * random.random()
        
        # Le poisson "vole" dans une nouvelle direction
        oiseau["position"] = oiseau["position"] + tendance_pBest + tendance_gBest
        
        # On s'assure qu'il reste dans les limites (10°C à 90°C)
        oiseau["position"] = max(10, min(90, oiseau["position"]))


# --- Résultat ---
print(f"La meilleure temperature trouvee par l'essaim est : {gBest_position:.2f}°C")
print(f"La meilleure performance obtenue est : {gBest_valeur:.2f}")