"""
Dispatch VRP — solveur de TOURNÉES (OR-Tools Routing / CP).

Problème : VRPTW + compétences + temps sur place (« field service »).
  • nœuds = jobs ; véhicules = techniciens (chacun part/revient à SON domicile)
  • compétence requise du job = filtre DUR (véhicules autorisés)
  • temps sur place (service) + trajet comptent dans la dimension TEMPS, bornée
    par le quart de chaque tech (fenêtre) ; fenêtre horaire par job optionnelle
  • objectif : MINIMISER le trajet total (+ léger biais spécialiste via l'ordre
    des compétences du tech) ; un job qui ne rentre pas est laissé NON planifié
    (pénalité de « drop ») plutôt que de rendre le modèle infaisable.

C'est ce que le greedy ne peut pas faire : optimisation GLOBALE → regroupe les
jobs d'un même secteur sur le même tech (plus de fractionnement).

Entrée (dict) :
  jobs: [{id, lat, lon, service_min, skill, tw_start_min?, tw_end_min?, priority_boost?}]
  vehicles: [{id, name, skills:[...] (ORDRE = priorité), home_lat?, home_lon?,
              shift_start_min, shift_end_min}]
  matrix?: [[minutes]] (N_jobs+N_veh carré, jobs d'abord puis domiciles) — sinon haversine
  speed_kmh?, default_service_min?, rank_weight?, drop_penalty?, max_seconds?
Sortie : {status, routes:[{vehicle, vehicle_name, stops:[{job_id,arrival_min,service_min}],
          travel_min}], unassigned:[job_id], total_travel_min, objective, solve_ms}
"""
from __future__ import annotations
import math
from ortools.constraint_solver import pywrapcp, routing_enums_pb2


def _haversine_km(a, b) -> float:
    (lat1, lon1), (lat2, lon2) = a, b
    R = 6371.0
    p1, p2 = math.radians(lat1), math.radians(lat2)
    dphi = math.radians(lat2 - lat1)
    dlmb = math.radians(lon2 - lon1)
    h = math.sin(dphi / 2) ** 2 + math.cos(p1) * math.cos(p2) * math.sin(dlmb / 2) ** 2
    return 2 * R * math.asin(min(1.0, math.sqrt(h)))


def solve_route(req: dict) -> dict:
    all_jobs = req.get("jobs", []) or []
    vehicles = req.get("vehicles", []) or []
    if not all_jobs or not vehicles:
        return {"status": "EMPTY", "routes": [], "unassigned": [j["id"] for j in all_jobs],
                "total_travel_min": 0, "objective": None, "solve_ms": 0}

    speed = float(req.get("speed_kmh") or 45.0)
    default_service = int(req.get("default_service_min") or 60)
    # DISTANCE PRIORITAIRE : la spécialité (ordre de compétence) ne fait que DÉPARTAGER à trajet ~égal.
    # rank_w = « minutes virtuelles » par cran d'ordre (spécialiste=0). Petit → un tech multi-compétences PROCHE
    # passe avant un spécialiste LOIN (ex. un installateur qui a aussi la réparation prend une réparation voisine).
    rank_w = float(req.get("rank_weight") if req.get("rank_weight") is not None else 2.0)
    base_pen = int(req.get("drop_penalty") or 100000)
    max_seconds = float(req.get("max_seconds") or 10)

    def skill_ok(veh, sk):
        return (not sk) or (sk in (veh.get("skills") or []))

    # Pré-filtre : un job sans AUCUN tech compétent est non planifiable → hors modèle (évite les "allowed" vides).
    jobs, unservable = [], []
    for j in all_jobs:
        if any(skill_ok(v, j.get("skill")) for v in vehicles):
            jobs.append(j)
        else:
            unservable.append(j["id"])
    if not jobs:
        return {"status": "OK", "routes": [], "unassigned": unservable,
                "total_travel_min": 0, "objective": 0, "solve_ms": 0}

    n_jobs, n_veh = len(jobs), len(vehicles)
    N = n_jobs + n_veh  # 0..n_jobs-1 = jobs ; n_jobs+v = domicile du véhicule v

    coords = [None] * N
    for i, j in enumerate(jobs):
        if j.get("lat") is not None and j.get("lon") is not None:
            coords[i] = (float(j["lat"]), float(j["lon"]))
    for v, veh in enumerate(vehicles):
        if veh.get("home_lat") is not None and veh.get("home_lon") is not None:
            coords[n_jobs + v] = (float(veh["home_lat"]), float(veh["home_lon"]))

    supplied = req.get("matrix")

    def travel_min(a, b):
        if supplied is not None:
            return supplied[a][b]
        ca, cb = coords[a], coords[b]
        if ca is None or cb is None:
            return 0  # coordonnée inconnue → trajet neutre (ne pas pénaliser à tort)
        return _haversine_km(ca, cb) * 60.0 / speed

    service = [0] * N
    for i, j in enumerate(jobs):
        service[i] = int(j.get("service_min") or default_service)

    starts = [n_jobs + v for v in range(n_veh)]
    manager = pywrapcp.RoutingIndexManager(N, n_veh, starts, starts)  # départ == retour == domicile
    routing = pywrapcp.RoutingModel(manager)

    # Coût PAR VÉHICULE = trajet + biais spécialiste (rang de la compétence chez CE tech ; 0 = principale).
    def make_cost_cb(v):
        vskills = vehicles[v].get("skills") or []

        def cb(fi, ti):
            f = manager.IndexToNode(fi)
            t = manager.IndexToNode(ti)
            base = travel_min(f, t)
            rank = 0
            if t < n_jobs:
                sk = jobs[t].get("skill")
                if sk and sk in vskills:
                    rank = vskills.index(sk)
            return int(round(base + rank * rank_w))
        return cb

    for v in range(n_veh):
        cidx = routing.RegisterTransitCallback(make_cost_cb(v))
        routing.SetArcCostEvaluatorOfVehicle(cidx, v)

    # Dimension TEMPS = trajet + temps sur place du nœud de départ.
    def time_cb(fi, ti):
        f = manager.IndexToNode(fi)
        return int(round(travel_min(f, manager.IndexToNode(ti)) + service[f]))
    time_idx = routing.RegisterTransitCallback(time_cb)

    horizon = 1440
    for veh in vehicles:
        horizon = max(horizon, int(veh.get("shift_end_min") or 0))
    for j in jobs:
        if j.get("tw_end_min") is not None:
            horizon = max(horizon, int(j["tw_end_min"]))
    routing.AddDimension(time_idx, horizon, horizon, False, "Time")  # slack=horizon (attente permise), start non forcé à 0
    time_dim = routing.GetDimensionOrDie("Time")

    # Fenêtre de QUART par véhicule (début/fin de tournée dans le quart).
    for v, veh in enumerate(vehicles):
        s0 = int(veh.get("shift_start_min") or 0)
        s1 = int(veh.get("shift_end_min") or horizon)
        if s1 < s0:
            s1 = horizon
        time_dim.CumulVar(routing.Start(v)).SetRange(s0, s1)
        time_dim.CumulVar(routing.End(v)).SetRange(s0, s1)

    # Fenêtre horaire par job (optionnelle) + compétence (véhicules autorisés) + pénalité de drop.
    # NB : SetAllowedVehiclesForIndex a un typemap Span cassé en ortools 9.15 → on contraint VehicleVar ∈ autorisés ∪ {-1}
    # (-1 = job non planifié ; la disjonction le permet).
    sv = routing.solver()
    for i, j in enumerate(jobs):
        idx = manager.NodeToIndex(i)
        tws, twe = j.get("tw_start_min"), j.get("tw_end_min")
        if tws is not None and twe is not None and int(twe) >= int(tws):
            time_dim.CumulVar(idx).SetRange(int(tws), int(twe))  # fenêtre AM/PM (dur) : ex. AM [480,720], PM [720,960]
        uw = int(j.get("urgent_weight") or 0)
        if uw > 0:
            # URGENCE → servir TÔT : coût = uw × heure d'arrivée (borne souple à 0) → tire le job en début de tournée
            # (conditionne le début de journée du tech). Reste souple : ne casse pas la faisabilité, se combine aux fenêtres AM/PM.
            time_dim.SetCumulVarSoftUpperBound(idx, 0, uw)
        sk = j.get("skill")
        allowed = [v for v, veh in enumerate(vehicles) if skill_ok(veh, sk)]
        if len(allowed) < n_veh:  # compétence restreint réellement → filtre DUR
            sv.Add(sv.MemberCt(routing.VehicleVar(idx), allowed + [-1]))
        routing.AddDisjunction([idx], base_pen + int(j.get("priority_boost") or 0))  # laisser tomber coûte cher → préfère assigner

    params = pywrapcp.DefaultRoutingSearchParameters()
    params.first_solution_strategy = routing_enums_pb2.FirstSolutionStrategy.PATH_CHEAPEST_ARC
    params.local_search_metaheuristic = routing_enums_pb2.LocalSearchMetaheuristic.GUIDED_LOCAL_SEARCH
    params.time_limit.FromSeconds(max(1, int(max_seconds)))
    sol = routing.SolveWithParameters(params)

    if sol is None:
        return {"status": "NO_SOLUTION", "routes": [], "unassigned": [j["id"] for j in jobs] + unservable,
                "total_travel_min": 0, "objective": None, "solve_ms": 0,
                "message": "Aucune tournée faisable (fenêtres/quarts trop serrés)."}

    routes = []
    assigned = set()
    total_travel = 0
    for v, veh in enumerate(vehicles):
        idx = routing.Start(v)
        stops = []
        route_travel = 0
        while not routing.IsEnd(idx):
            node = manager.IndexToNode(idx)
            nxt = sol.Value(routing.NextVar(idx))
            route_travel += int(round(travel_min(node, manager.IndexToNode(nxt))))
            if node < n_jobs:
                stops.append({"job_id": jobs[node]["id"],
                              "arrival_min": int(sol.Value(time_dim.CumulVar(idx))),
                              "service_min": service[node]})
                assigned.add(node)
            idx = nxt
        if stops:
            total_travel += route_travel
            routes.append({"vehicle": veh["id"], "vehicle_name": veh.get("name", veh["id"]),
                           "stops": stops, "travel_min": int(route_travel)})

    unassigned = [jobs[i]["id"] for i in range(n_jobs) if i not in assigned] + unservable
    try:
        solve_ms = int(routing.solver().WallTime())
    except Exception:
        solve_ms = None
    return {
        "status": "OK",
        "routes": routes,
        "unassigned": unassigned,
        "total_travel_min": int(total_travel),
        "objective": sol.ObjectiveValue(),
        "solve_ms": solve_ms,
    }