refactoring: constraints

STRUKTUR.md

@@ -26,9 +26,19 @@
 - `Dienst`: Datenmodell für Diensttypen
 - `Elterndienstplaner`: Hauptklasse mit Optimierungslogik
   - Fairness-Berechnungen (global/lokal)
-  - Optimierungsmodell-Erstellung
+  - Optimierungsmodell-Erstellung (modular aufgeteilt)
   - Statistiken
 
+**Constraint-Funktionen** (modular aufgeteilt):
+- `_erstelle_entscheidungsvariablen()`: Erstellt binäre Variablen
+- `_add_constraint_ein_dienst_pro_woche()`: C1 - Max 1 Dienst pro Woche
+- `_add_constraint_ein_dienst_pro_tag()`: C2 - Max 1 Dienst pro Tag
+- `_add_constraint_verfuegbarkeit()`: C3 - Nur verfügbare Eltern
+- `_add_constraint_dienst_bedarf()`: C4 - Alle Dienste müssen besetzt werden
+- `_add_fairness_constraints()`: F1 & F2 - Erstellt Variablen und Constraints für Fairness
+- `_berechne_fairness_gewichte()`: Zeitabhängige Gewichtung (Sep-Jul)
+- `_erstelle_zielfunktion()`: Zielfunktion mit Fairness & Präferenzen
+
 **Abhängigkeiten**:
 - Importiert `csv_io` für Datei-Operationen
 - Verwendet `pulp` für lineare Optimierung
@@ -41,7 +51,7 @@ elterndienstplaner.py (700+ Zeilen)
 ├── Dienst Klasse
 ├── CSV Parsing (150+ Zeilen)
 ├── Fairness-Berechnung
-├── Optimierung
+├── Optimierung (200+ Zeilen inline)
 └── CSV Schreiben
 ```
 
@@ -54,30 +64,29 @@ csv_io.py (220 Zeilen)
 elterndienstplaner.py (500 Zeilen)
 ├── Dienst Klasse
 ├── Fairness-Berechnung
-├── Optimierung
+│   ├── berechne_faire_zielverteilung_global()
+│   └── berechne_faire_zielverteilung_lokal()
+├── Optimierung (modular)
+│   ├── erstelle_optimierungsmodell()  (30 Zeilen - übersichtlich!)
+│   ├── _erstelle_entscheidungsvariablen()
+│   ├── _add_constraint_ein_dienst_pro_woche()
+│   ├── _add_constraint_ein_dienst_pro_tag()
+│   ├── _add_constraint_verfuegbarkeit()
+│   ├── _add_constraint_dienst_bedarf()
+│   ├── _add_fairness_constraints()
+│   └── _erstelle_zielfunktion()
 └── Statistiken
 ```
 
 ## Nächste Schritte (Optional)
 
-### Phase 2: Constraint-Funktionen auslagern
-```python
-def _add_constraint_ein_dienst_pro_woche(prob, x, ...):
-    """C1: Je Eltern und Dienst nur einmal die Woche"""
-
-def _add_constraint_ein_dienst_pro_tag(prob, x, ...):
-    """C2: Je Eltern nur einen Dienst am Tag"""
-```
-
 ### Phase 3: Fairness-Modul (optional)
 ```
 fairness.py
 ├── FairnessBerechner
 │   ├── berechne_global()
 │   └── berechne_lokal()
-```
-
-## Verwendung
+```## Verwendung
 
 ```python
 from csv_io import EingabeParser, AusgabeWriter

elterndienstplaner.py

@@ -254,21 +254,8 @@ class Elterndienstplaner:
 
         return ziel_dienste_lokal
 
-    def erstelle_optimierungsmodell(self) -> Tuple[pulp.LpProblem, Dict[Tuple[str, date, Dienst], pulp.LpVariable]]:
-        """Erstellt das PuLP Optimierungsmodell"""
-        print("Erstelle Optimierungsmodell...")
-
-        # Debugging: Verfügbarkeit prüfen
-        print("\nDebug: Verfügbarkeit analysieren...")
-        for tag in self.tage[:5]:  # Erste 5 Tage
-            verfügbare = [e for e in self.eltern if self.verfügbarkeit.get((e, tag), True)]
-            benötigte = self.benoetigte_dienste.get(tag, [])
-            print(f"  {tag}: Benötigt {len(benötigte)} Dienste {benötigte}, verfügbar: {verfügbare}")
-
-        # LP Problem erstellen
-        prob = pulp.LpProblem("Elterndienstplaner", pulp.LpMinimize)
-
-        # Entscheidungsvariablen: x[eltern, tag, dienst] ∈ {0,1}
+    def _erstelle_entscheidungsvariablen(self) -> Dict[Tuple[str, date, Dienst], pulp.LpVariable]:
+        """Erstellt die binären Entscheidungsvariablen x[eltern, tag, dienst]"""
         x: Dict[Tuple[str, date, Dienst], pulp.LpVariable] = {}
         for eltern in self.eltern:
             for tag in self.tage:
@@ -278,10 +265,14 @@ class Elterndienstplaner:
                             f"x_{eltern.replace(' ', '_')}_{tag}_{dienst.kuerzel}",
                             cat='Binary'
                         )
+        return x
 
-        # Vereinfachtes Modell: Grundlegende Constraints
-
-        # C1: Je Eltern und Dienst nur einmal die Woche
+    def _add_constraint_ein_dienst_pro_woche(
+        self,
+        prob: pulp.LpProblem,
+        x: Dict[Tuple[str, date, Dienst], pulp.LpVariable]
+    ) -> None:
+        """C1: Je Eltern und Dienst nur einmal die Woche"""
         woche_start = self.tage[0]
         woche_nr = 0
         while woche_start <= self.tage[-1]:
@@ -296,12 +287,18 @@ class Elterndienstplaner:
                             woche_vars.append(x[eltern, tag, dienst])
 
                     if woche_vars:
-                        prob += pulp.lpSum(woche_vars) <= 1, f"C1_{eltern.replace(' ', '_')}_{dienst.kuerzel}_w{woche_nr}"
+                        prob += pulp.lpSum(woche_vars) <= 1, \
+                            f"C1_{eltern.replace(' ', '_')}_{dienst.kuerzel}_w{woche_nr}"
 
             woche_start += timedelta(days=7)
             woche_nr += 1
 
-        # C2: Je Eltern nur einen Dienst am Tag
+    def _add_constraint_ein_dienst_pro_tag(
+        self,
+        prob: pulp.LpProblem,
+        x: Dict[Tuple[str, date, Dienst], pulp.LpVariable]
+    ) -> None:
+        """C2: Je Eltern nur einen Dienst am Tag"""
         for eltern in self.eltern:
             for tag in self.tage:
                 tag_vars = []
@@ -312,39 +309,50 @@ class Elterndienstplaner:
                 if tag_vars:
                     prob += pulp.lpSum(tag_vars) <= 1, f"C2_{eltern.replace(' ', '_')}_{tag}"
 
-        # C3: Dienste nur verfügbaren Eltern zuteilen
+    def _add_constraint_verfuegbarkeit(
+        self,
+        prob: pulp.LpProblem,
+        x: Dict[Tuple[str, date, Dienst], pulp.LpVariable]
+    ) -> None:
+        """C3: Dienste nur verfügbaren Eltern zuteilen"""
         for eltern in self.eltern:
             for tag in self.tage:
                 if not self.verfügbarkeit.get((eltern, tag), True):
                     for dienst in self.dienste:
                         if (eltern, tag, dienst) in x:
-                            prob += x[eltern, tag, dienst] == 0, f"C3_{eltern.replace(' ', '_')}_{tag}_{dienst.kuerzel}"
+                            prob += x[eltern, tag, dienst] == 0, \
+                                f"C3_{eltern.replace(' ', '_')}_{tag}_{dienst.kuerzel}"
 
-        # Alle benötigten Dienste müssen zugeteilt werden (flexibel)
+    def _add_constraint_dienst_bedarf(
+        self,
+        prob: pulp.LpProblem,
+        x: Dict[Tuple[str, date, Dienst], pulp.LpVariable]
+    ) -> None:
+        """C4: Alle benötigten Dienste müssen zugeteilt werden"""
         for tag in self.tage:
             for dienst in self.benoetigte_dienste.get(tag, []):
                 dienst_vars = []
-                verfuegbare_eltern = 0
                 for eltern in self.eltern:
                     if (eltern, tag, dienst) in x:
                         # Prüfe ob Eltern verfügbar
                         if self.verfügbarkeit.get((eltern, tag), True):
                             dienst_vars.append(x[eltern, tag, dienst])
-                            verfuegbare_eltern += 1
 
                 if dienst_vars:
                     # Anzahl benötigter Personen pro Dienst (aus Dienst-Objekt)
                     benoetigte_personen = dienst.personen_anzahl
-                    prob += pulp.lpSum(dienst_vars) == benoetigte_personen, f"Bedarf_{tag}_{dienst.kuerzel}"
+                    prob += pulp.lpSum(dienst_vars) == benoetigte_personen, \
+                        f"Bedarf_{tag}_{dienst.kuerzel}"
 
-        # FAIRNESS-CONSTRAINTS UND ZIELFUNKTION
-        objective_terms = []
-
-        # Berechne faire Zielverteilungen (global und lokal)
-        ziel_dienste_global = self.berechne_faire_zielverteilung_global()
-        ziel_dienste_lokal = self.berechne_faire_zielverteilung_lokal()
-
-        # Hilfsvariablen für Fairness-Abweichungen
+    def _add_fairness_constraints(
+        self,
+        prob: pulp.LpProblem,
+        x: Dict[Tuple[str, date, Dienst], pulp.LpVariable],
+        ziel_dienste_global: DefaultDict[str, DefaultDict[Dienst, float]],
+        ziel_dienste_lokal: DefaultDict[str, DefaultDict[Dienst, float]]
+    ) -> Tuple[Dict, Dict]:
+        """F1 & F2: Erstellt Fairness-Variablen und fügt Fairness-Constraints hinzu (global und lokal)"""
+        # Hilfsvariablen für Fairness-Abweichungen erstellen
         fairness_abweichung_lokal = {}  # F2
         fairness_abweichung_global = {}  # F1
 
@@ -355,7 +363,7 @@ class Elterndienstplaner:
                 fairness_abweichung_global[eltern, dienst] = pulp.LpVariable(
                     f"fair_global_{eltern.replace(' ', '_')}_{dienst.kuerzel}", lowBound=0)
 
-        # F1: Globale Fairness & F2: Lokale Fairness
+        # Fairness-Constraints hinzufügen
         for eltern in self.eltern:
             for dienst in self.dienste:
                 # Tatsächliche Dienste im aktuellen Monat
@@ -368,7 +376,6 @@ class Elterndienstplaner:
                 # F2: Lokale Fairness - nur aktueller Monat
                 ziel_lokal = ziel_dienste_lokal[eltern][dienst]
                 if ziel_lokal > 0:
-                    # Lokale Fairness-Constraints
                     prob += (tatsaechliche_dienste_monat - ziel_lokal <=
                             fairness_abweichung_lokal[eltern, dienst])
                     prob += (ziel_lokal - tatsaechliche_dienste_monat <=
@@ -382,15 +389,17 @@ class Elterndienstplaner:
                     # Tatsächliche Dienste global (Vergangenheit + geplant)
                     total_dienste_inkl_vergangenheit = tatsaechliche_dienste_monat + vorherige_dienste
 
-                    # Globale Fairness-Constraints
                     prob += (total_dienste_inkl_vergangenheit - ziel_global <=
                             fairness_abweichung_global[eltern, dienst])
                     prob += (ziel_global - total_dienste_inkl_vergangenheit <=
                             fairness_abweichung_global[eltern, dienst])
 
-        # Gewichtung: Jahresanfang F1 stärker, Jahresende F2 stärker
-        # Annahme: September = Jahresanfang, Juli = Jahresende
+        return fairness_abweichung_lokal, fairness_abweichung_global
+
+    def _berechne_fairness_gewichte(self) -> Tuple[int, int]:
+        """Berechnet Gewichtung basierend auf Jahreszeit (Sep-Jul Schuljahr)"""
         aktueller_monat = self.tage[0].month if self.tage else 1
+
         if 9 <= aktueller_monat <= 12:  # Sep-Dez: Jahresanfang
             gewicht_f1 = 100  # Global wichtiger
             gewicht_f2 = 50   # Lokal weniger wichtig
@@ -401,6 +410,21 @@ class Elterndienstplaner:
             gewicht_f1 = 50   # Global weniger wichtig
             gewicht_f2 = 100  # Lokal wichtiger
 
+        return gewicht_f1, gewicht_f2
+
+    def _erstelle_zielfunktion(
+        self,
+        prob: pulp.LpProblem,
+        x: Dict[Tuple[str, date, Dienst], pulp.LpVariable],
+        fairness_abweichung_lokal: Dict,
+        fairness_abweichung_global: Dict
+    ) -> None:
+        """Erstellt die Zielfunktion mit Fairness und Präferenzen"""
+        objective_terms = []
+
+        # Fairness-Gewichtung
+        gewicht_f1, gewicht_f2 = self._berechne_fairness_gewichte()
+
         # Fairness-Terme zur Zielfunktion hinzufügen
         for eltern in self.eltern:
             for dienst in self.dienste:
@@ -410,12 +434,12 @@ class Elterndienstplaner:
         # P1: Bevorzugte Dienste (positiv belohnen)
         for (eltern, tag, dienst), präf in self.präferenzen.items():
             if (eltern, tag, dienst) in x and präf == 1:  # bevorzugt
-                objective_terms.append(-5 * x[eltern, tag, dienst])  # Schwächer als Fairness
+                objective_terms.append(-5 * x[eltern, tag, dienst])
 
         # P2: Abgelehnte Dienste (bestrafen)
         for (eltern, tag, dienst), präf in self.präferenzen.items():
             if (eltern, tag, dienst) in x and präf == -1:  # abgelehnt
-                objective_terms.append(25 * x[eltern, tag, dienst])  # Schwächer als Fairness
+                objective_terms.append(25 * x[eltern, tag, dienst])
 
         # Zielfunktion setzen
         if objective_terms:
@@ -425,6 +449,41 @@ class Elterndienstplaner:
             prob += pulp.lpSum([var for var in x.values()])
 
         print(f"Verwende Gewichtung: F1 (global) = {gewicht_f1}, F2 (lokal) = {gewicht_f2}")
+
+    def erstelle_optimierungsmodell(self) -> Tuple[pulp.LpProblem, Dict[Tuple[str, date, Dienst], pulp.LpVariable]]:
+        """Erstellt das PuLP Optimierungsmodell"""
+        print("Erstelle Optimierungsmodell...")
+
+        # Debugging: Verfügbarkeit prüfen
+        print("\nDebug: Verfügbarkeit analysieren...")
+        for tag in self.tage[:5]:  # Erste 5 Tage
+            verfügbare = [e for e in self.eltern if self.verfügbarkeit.get((e, tag), True)]
+            benötigte = self.benoetigte_dienste.get(tag, [])
+            print(f"  {tag}: Benötigt {len(benötigte)} Dienste {benötigte}, verfügbar: {verfügbare}")
+
+        # LP Problem erstellen
+        prob = pulp.LpProblem("Elterndienstplaner", pulp.LpMinimize)
+
+        # Entscheidungsvariablen erstellen
+        x = self._erstelle_entscheidungsvariablen()
+
+        # Grundlegende Constraints hinzufügen
+        self._add_constraint_ein_dienst_pro_woche(prob, x)
+        self._add_constraint_ein_dienst_pro_tag(prob, x)
+        self._add_constraint_verfuegbarkeit(prob, x)
+        self._add_constraint_dienst_bedarf(prob, x)
+
+        # Fairness-Constraints
+        ziel_dienste_global = self.berechne_faire_zielverteilung_global()
+        ziel_dienste_lokal = self.berechne_faire_zielverteilung_lokal()
+
+        fairness_abweichung_lokal, fairness_abweichung_global = self._add_fairness_constraints(
+            prob, x, ziel_dienste_global, ziel_dienste_lokal
+        )
+
+        # Zielfunktion erstellen
+        self._erstelle_zielfunktion(prob, x, fairness_abweichung_lokal, fairness_abweichung_global)
+
         print(f"Modell erstellt mit {len(x)} Variablen und {len(prob.constraints)} Constraints")
         return prob, x