# -*- coding: utf-8 -*-
"""
Introducción a los Algoritmos Geneticos
Autor: Guillermo Izquierdo
Este código es para fines educativos exclusivamente.

"""

geneSet = 'abcdefghijklmnñopqrstuvwxyzABCDEFGHIJKLMNÑOPQRSTUVWXYZ '
target = 'Hola Mundo'

import datetime
import random
random.seed(2)
startTime = datetime.datetime.now()

#Funcion para generar de manera aleatoria una muestra de genes
def generate_parent(length):
    genes = [] #Lista donde se almacenan las secuencia aleatoria
    while len(genes) < length:
        sampleSize = min(length - len(genes), len(geneSet))
        genes.extend(random.sample(geneSet,sampleSize)) #Obtención de la muestra aleatoria
    return ''.join(genes) #Regresamos una cadena

#Funcion de optimización, si el nuestra muestra aleatoria tiene un caracter igual a nuestro target
def get_fitness(guess):
    return sum(1 for expected, actual in zip(target,guess) if expected == actual)

#Funcion para mutar a nuestra cadena original o padre
def mutate(parent):
    index = random.randrange(0,len(parent))
    childGenes = list(parent)
    newGene, alternate = random.sample(geneSet,2)
    childGenes[index] = alternate if newGene == childGenes[index] else newGene
    return ''.join(childGenes)

#Funcion para imprimir en pantalla los resultados
def display(guess):
    timeDiff = datetime.datetime.now() - startTime
    fitness = get_fitness(guess)
    print('{}\t{}\t{}'.format(guess,fitness,timeDiff))


#Inicializamos nuestros parametros
bestParent = generate_parent(len(target))
bestFitness = get_fitness(bestParent)
display(bestParent)

#Creamos un ciclo para iterar nuestras funciones
#Hasta obtener nuestro target
while True:
    child = mutate(bestParent)
    childFitness = get_fitness(child)
    if bestFitness >= childFitness:
        continue
    display(child)
    if childFitness >= len(bestParent):
        break
    bestFitness = childFitness
    bestParent = child