python/heur.py

import heapq

# Fonction heuristique: Somme des objets restants (admissible)
def heuristique(etat_jeu):
    return sum(etat_jeu)

# Fonction qui vérifie si l'état est final (tous les tas sont vides)
def est_etat_final(etat_jeu):
    return all(tas == 0 for tas in etat_jeu)

# Fonction qui génère tous les mouvements possibles depuis un état donné
def generer_mouvements(etat_jeu):
    mouvements_possibles = []
    for i in range(len(etat_jeu)):
        if etat_jeu[i] > 0:
            for retirer in range(1, etat_jeu[i] + 1):
                nouvel_etat = etat_jeu.copy()
                nouvel_etat[i] -= retirer
                mouvements_possibles.append(nouvel_etat)
    return mouvements_possibles

# Fonction pour appliquer un mouvement à l'état du jeu
def appliquer_mouvement(etat_jeu, tas_index, nb_objets):
    if tas_index < 0 or tas_index >= len(etat_jeu):
        raise ValueError("Index du tas invalide.")
    
    if nb_objets <= 0:
        raise ValueError("Le nombre d'objets à retirer doit être supérieur à 0.")
    
    if nb_objets > etat_jeu[tas_index]:
        raise ValueError(f"Le tas {tas_index + 1} ne contient pas suffisamment d'objets pour retirer {nb_objets} objets.")
    
    nouvel_etat = etat_jeu.copy()
    nouvel_etat[tas_index] -= nb_objets
    
    return nouvel_etat

# Classe Noeud utilisée pour l'algorithme A*
class Noeud:
    def __init__(self, etat, parent=None, g=0, h=0):
        self.etat = etat
        self.parent = parent
        self.g = g  
        self.h = h  

    def __lt__(self, other):
        return (self.g + self.h) < (other.g + other.h)

# Algorithme A* pour trouver le chemin optimal vers la victoire
def algorithme_a_star(etat_initial):

    open_list = []
    heapq.heappush(open_list, Noeud(etat_initial, g=0, h=heuristique(etat_initial)))
    closed_list = set()

    while open_list:
   
        noeud_courant = heapq.heappop(open_list)

    
        if est_etat_final(noeud_courant.etat):
            return reconstruire_chemin(noeud_courant)
        closed_list.add(tuple(noeud_courant.etat))

        for mouvement in generer_mouvements(noeud_courant.etat):
            if tuple(mouvement) in closed_list:
                continue

            g_nouveau = noeud_courant.g + 1
            h_nouveau = heuristique(mouvement)
            nouveau_noeud = Noeud(mouvement, parent=noeud_courant, g=g_nouveau, h=h_nouveau)
            heapq.heappush(open_list, nouveau_noeud)

    return None 

# Fonction pour reconstruire le chemin optimal
def reconstruire_chemin(noeud_final):
    chemin = []
    noeud_courant = noeud_final
    while noeud_courant is not None:
        chemin.append(noeud_courant.etat)
        noeud_courant = noeud_courant.parent
    return chemin[::-1] 

etat_initial = [3, 4, 5]
chemin_optimal = algorithme_a_star(etat_initial)
print("Chemin optimal:", chemin_optimal)

etat_jeu = [3, 4, 5]

nouvel_etat_1 = appliquer_mouvement(etat_jeu, 0, 2)
print("Nouvel état après retrait de 2 objets du tas 1:", nouvel_etat_1)

nouvel_etat_2 = appliquer_mouvement(etat_jeu, 2, 3)
print("Nouvel état après retrait de 3 objets du tas 3:", nouvel_etat_2)

try:
    nouvel_etat_3 = appliquer_mouvement(etat_jeu, 5, 2)
except ValueError as e:
    print(e)

try:
    nouvel_etat_4 = appliquer_mouvement(etat_jeu, 1, 5)
except ValueError as e:
    print(e)

try:
    nouvel_etat_5 = appliquer_mouvement(etat_jeu, 0, 0)
except ValueError as e:
    print(e)