elterndienstplaner/elterndienstplaner.py

#!/usr/bin/env python3
"""
Elterndienstplaner - Optimale Zuteilung von Elterndiensten

Autor: Automatisch generiert
Datum: Dezember 2025
"""

import sys
import pulp
from datetime import timedelta, date
from collections import defaultdict
from typing import Dict, List, Tuple, DefaultDict, Optional

from csv_io import EingabeParser, AusgabeWriter


class Dienst:
    """Repräsentiert einen Diensttyp mit allen seinen Eigenschaften"""

    def __init__(self, kuerzel: str, name: str, personen_anzahl: int = 1) -> None:
        self.kuerzel: str = kuerzel
        self.name: str = name
        self.personen_anzahl: int = personen_anzahl

    def __str__(self) -> str:
        return f"{self.kuerzel} ({self.name}): {self.personen_anzahl} Person(en)"

    def __repr__(self) -> str:
        return f"Dienst('{self.kuerzel}', '{self.name}', {self.personen_anzahl})"

    def braucht_mehrere_personen(self) -> bool:
        """Gibt True zurück, wenn mehr als eine Person benötigt wird"""
        return self.personen_anzahl > 1


class Elterndienstplaner:
    def __init__(self) -> None:
        # Dienste als Liste definieren
        self.dienste: List[Dienst] = [
            Dienst('F', 'Frühstücksdienst', 1),
            Dienst('P', 'Putznotdienst', 1),
            Dienst('E', 'Essensausgabenotdienst', 1),
            Dienst('K', 'Kochen', 1),
            Dienst('A', 'Elternabend', 2)
        ]

        # Datenstrukturen
        self.tage: List[date] = []
        self.eltern: List[str] = []
        self.benoetigte_dienste: Dict[date, List[Dienst]] = {}
        self.verfügbarkeit: Dict[Tuple[str, date], bool] = {}
        self.präferenzen: Dict[Tuple[str, date, Dienst], int] = {}

        # dienstfaktoren[eltern][tag] = faktor.
        # Wenn es eltern nicht gibt -> keyerror
        # Wenn es tag nicht gibt -> default 0.0
        self.dienstfaktoren: Dict[str, DefaultDict[date, float]] = {}
        self.alle_zeitraeume: Dict[str, List[Tuple[date, date, float]]] = {}
        self.vorherige_dienste: DefaultDict[str, DefaultDict[Dienst, int]] = \
            defaultdict(lambda: defaultdict(int))
        self.historische_dienste: List[Tuple[date, str, Dienst]] = []

    def get_dienst(self, kuerzel: str) -> Optional[Dienst]:
        """Gibt das Dienst-Objekt für ein Kürzel zurück"""
        for dienst in self.dienste:
            if dienst.kuerzel == kuerzel:
                return dienst
        return None

    def add_dienst(self, kuerzel: str, name: str, personen_anzahl: int = 1) -> Dienst:
        """Fügt einen neuen Dienst hinzu"""
        dienst = Dienst(kuerzel, name, personen_anzahl)
        self.dienste.append(dienst)
        return dienst

    def print_dienste_info(self) -> None:
        """Druckt Informationen über alle konfigurierten Dienste"""
        print("Konfigurierte Dienste:")
        for dienst in self.dienste:
            print(f"  {dienst}")

    def lade_eingabe_csv(self, datei: str) -> None:
        """Lädt die eingabe.csv mit Terminen und Präferenzen"""
        self.eltern, self.tage, self.benoetigte_dienste, self.verfügbarkeit, self.präferenzen = \
            EingabeParser.parse_eingabe_csv(datei, self.get_dienst)

    def lade_eltern_csv(self, datei: str) -> None:
        """Lädt die eltern.csv mit Dienstfaktoren"""
        self.dienstfaktoren, self.alle_zeitraeume = \
            EingabeParser.parse_eltern_csv(datei, self.tage)

    def lade_vorherige_ausgaben_csv(self, datei: str) -> None:
        """Lädt vorherige-ausgaben.csv für Fairness-Constraints"""
        self.vorherige_dienste, self.historische_dienste = \
            EingabeParser.parse_vorherige_ausgaben_csv(datei, self.eltern, self.dienste)

    def berechne_dienstfaktor_an_datum(self, eltern: str, datum: date) -> float:
        """Berechnet den Dienstfaktor eines Elternteils an einem bestimmten Datum"""
        if eltern not in self.alle_zeitraeume:
            return 0

        for beginn, ende, faktor in self.alle_zeitraeume[eltern]:
            if beginn <= datum <= ende:
                return faktor
        return 0

    def berechne_faire_zielverteilung_global(self) -> DefaultDict[str, DefaultDict[Dienst, float]]:
        """Berechnet die faire Zielanzahl von Diensten für den Planungszeitraum
        basierend auf globaler Fairness (Historie + aktueller Monat).

        Gibt die Ziel-Dienstanzahl für den aktuellen Planungszeitraum zurück,
        korrigiert um bereits geleistete Dienste. Kann negativ sein, wenn bereits
        mehr Dienste geleistet wurden als fair wäre."""

        ziel_dienste: DefaultDict[str, DefaultDict[Dienst, float]] = \
            defaultdict(lambda: defaultdict(float))

        print("\nBerechne faire Zielverteilung basierend auf historischen Daten...")

        # Historische Dienste nach Datum gruppieren
        historische_tage = set(datum for datum, _, _ in self.historische_dienste) if self.historische_dienste else set()
        print(f"  Analysiere {len(historische_tage)} historische Tage mit {len(self.historische_dienste)} Diensten")

        for dienst in self.dienste:
            print(f"  Verarbeite Dienst {dienst.kuerzel}...")

            # 1. HISTORISCHE PERIODE: Faire Umverteilung der tatsächlich geleisteten Dienste
            historische_dienste_dieses_typs = [
                (datum, eltern) for datum, eltern, d in self.historische_dienste
                if d == dienst
            ]

            print(f"    Gefundene historische {dienst.kuerzel}-Dienste: {len(historische_dienste_dieses_typs)}")

            # Gruppiere nach Datum
            dienste_pro_tag = defaultdict(list)
            for datum, eltern in historische_dienste_dieses_typs:
                dienste_pro_tag[datum].append(eltern)

            # Für jeden historischen Tag faire Umverteilung berechnen
            for hist_datum, geleistete_eltern in dienste_pro_tag.items():
                anzahl_dienste = len(geleistete_eltern)  # Anzahl Dienste an diesem Tag

                # Dienstfaktoren aller Eltern für diesen historischen Tag berechnen
                dienstfaktoren_tag = {}
                gesamt_dienstfaktor_tag = 0

                for eltern in self.eltern:
                    faktor = self.berechne_dienstfaktor_an_datum(eltern, hist_datum)
                    dienstfaktoren_tag[eltern] = faktor
                    gesamt_dienstfaktor_tag += faktor

                # Faire Umverteilung der an diesem Tag geleisteten Dienste
                if gesamt_dienstfaktor_tag > 0:
                    for eltern in self.eltern:
                        if dienstfaktoren_tag[eltern] > 0:
                            anteil = dienstfaktoren_tag[eltern] / gesamt_dienstfaktor_tag
                            faire_zuteilung = anteil * anzahl_dienste
                            ziel_dienste[eltern][dienst] += faire_zuteilung

                            if faire_zuteilung > 0.01:  # Debug nur für relevante Werte
                                print(f"      {hist_datum}: {eltern} Faktor={dienstfaktoren_tag[eltern]} "
                                      f"-> {faire_zuteilung:.2f} von {anzahl_dienste} Diensten")

            # 2. AKTUELLER MONAT: Faire Verteilung der benötigten Dienste (tageweise wie bei historischen Diensten)
            benoetigte_dienste_monat = 0

            # Für jeden Tag im aktuellen Monat faire Umverteilung berechnen
            for tag in self.tage:
                # Prüfe ob an diesem Tag der Dienst benötigt wird
                if dienst not in self.benoetigte_dienste.get(tag, []):
                    continue

                benoetigte_dienste_monat += dienst.personen_anzahl

                # Dienstfaktoren aller Eltern für diesen Tag berechnen
                dienstfaktoren_tag = {}
                gesamt_dienstfaktor_tag = 0

                for eltern in self.eltern:
                    faktor = self.dienstfaktoren[eltern][tag]
                    dienstfaktoren_tag[eltern] = faktor
                    gesamt_dienstfaktor_tag += faktor

                # Faire Umverteilung der an diesem Tag benötigten Dienste
                if gesamt_dienstfaktor_tag > 0:
                    for eltern in self.eltern:
                        anteil = dienstfaktoren_tag[eltern] / gesamt_dienstfaktor_tag
                        faire_zuteilung = anteil * dienst.personen_anzahl
                        ziel_dienste[eltern][dienst] += faire_zuteilung

            # 3. ABZUG DER BEREITS GELEISTETEN DIENSTE
            # Ziehe die tatsächlich geleisteten Dienste ab, um das Ziel für den Planungszeitraum zu erhalten
            for eltern in self.eltern:
                ziel_dienste[eltern][dienst] -= self.vorherige_dienste[eltern][dienst]

        return ziel_dienste

    def berechne_faire_zielverteilung_lokal(self) -> DefaultDict[str, DefaultDict[Dienst, float]]:
        """Berechnet die lokale faire Zielanzahl von Diensten pro Eltern-Dienst-Kombination
        basierend auf Dienstfaktoren und benötigten Diensten im aktuellen Planungsmonat"""

        ziel_dienste_lokal: DefaultDict[str, DefaultDict[Dienst, float]] = \
            defaultdict(lambda: defaultdict(float))

        print("\nBerechne lokale faire Zielverteilung für aktuellen Monat...")

        # Gesamtdienstfaktor für aktuellen Monat berechnen
        gesamt_dienstfaktor_monat = sum(
            sum(self.dienstfaktoren[e][tag] for tag in self.tage)
            for e in self.eltern
        )

        if gesamt_dienstfaktor_monat == 0:
            print("  WARNUNG: Gesamtdienstfaktor ist 0, keine lokale Zielverteilung möglich")
            return ziel_dienste_lokal

        # Für jeden Dienst die lokale faire Verteilung berechnen
        for dienst in self.dienste:
            # Anzahl benötigter Dienste im aktuellen Monat
            benoetigte_dienste_monat = sum(
                1 for tag in self.tage
                if dienst in self.benoetigte_dienste.get(tag, [])
            )
            # Multipliziere mit Anzahl benötigter Personen pro Dienst
            benoetigte_dienste_monat *= dienst.personen_anzahl

            if benoetigte_dienste_monat > 0:
                print(f"  {dienst.kuerzel}: {benoetigte_dienste_monat} Dienste benötigt")

                for eltern in self.eltern:
                    # Dienstfaktor für diesen Elternteil im aktuellen Monat
                    monatlicher_dienstfaktor = sum(
                        self.dienstfaktoren[eltern][tag] for tag in self.tage
                    )

                    if monatlicher_dienstfaktor > 0:
                        anteil = monatlicher_dienstfaktor / gesamt_dienstfaktor_monat
                        faire_zuteilung = anteil * benoetigte_dienste_monat
                        ziel_dienste_lokal[eltern][dienst] = faire_zuteilung

        return ziel_dienste_lokal

    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:
                for dienst in self.dienste:
                    if dienst in self.benoetigte_dienste.get(tag, []):
                        x[eltern, tag, dienst] = pulp.LpVariable(
                            f"x_{eltern.replace(' ', '_')}_{tag}_{dienst.kuerzel}",
                            cat='Binary'
                        )
        return x

    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 = Montag bis Sonntag)"""
        erster_tag = self.tage[0]
        # weekday(): 0=Montag, 6=Sonntag
        # Finde Montag am oder vor dem ersten Planungstag (für historische Dienste)
        woche_start = erster_tag - timedelta(days=erster_tag.weekday())

        woche_nr = 0
        letzter_tag = self.tage[-1]

        while woche_start <= letzter_tag:
            woche_ende = woche_start + timedelta(days=6)  # Sonntag

            for eltern in self.eltern:
                for dienst in self.dienste:
                    woche_vars = []

                    # Zähle historische Dienste in dieser Woche (VOR dem Planungszeitraum)
                    historische_dienste_in_woche = 0
                    if woche_start < erster_tag:
                        for hist_datum, hist_eltern, hist_dienst in self.historische_dienste:
                            if (hist_eltern == eltern and
                                hist_dienst == dienst and
                                woche_start <= hist_datum < erster_tag):
                                historische_dienste_in_woche += 1

                    # Sammle Variablen für Planungszeitraum in dieser Woche
                    for tag in self.tage:
                        if woche_start <= tag <= woche_ende:
                            if (eltern, tag, dienst) in x:
                                woche_vars.append(x[eltern, tag, dienst])

                    # Constraint: Historische + geplante Dienste <= 1
                    if woche_vars:
                        prob += pulp.lpSum(woche_vars) <= 1 - historische_dienste_in_woche, \
                            f"C1_{eltern.replace(' ', '_')}_{dienst.kuerzel}_w{woche_nr}"

            woche_start += timedelta(days=7)
            woche_nr += 1

    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 = []
                for dienst in self.dienste:
                    if (eltern, tag, dienst) in x:
                        tag_vars.append(x[eltern, tag, dienst])

                if tag_vars:
                    prob += pulp.lpSum(tag_vars) <= 1, f"C2_{eltern.replace(' ', '_')}_{tag}"

    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}"

    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 = []
                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])

                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}"

    def _add_fairness_constraints(
        self,
        prob: pulp.LpProblem,
        x: Dict[Tuple[str, date, Dienst], pulp.LpVariable],
        ziel_dienste: DefaultDict[str, DefaultDict[Dienst, float]],
        constraint_prefix: str
    ) -> Dict:
        """Erstellt Fairness-Variablen und fügt Fairness-Constraints hinzu

        Args:
            prob: Das LP-Problem
            x: Die Entscheidungsvariablen
            ziel_dienste: Die Zielverteilung der Dienste
            constraint_prefix: Präfix für Constraint-Namen ('lokal' oder 'global')

        Returns:
            Dictionary mit Fairness-Abweichungsvariablen
        """
        # Hilfsvariablen für Fairness-Abweichungen erstellen
        fairness_abweichung = {}

        for eltern in self.eltern:
            for dienst in self.dienste:
                fairness_abweichung[eltern, dienst] = pulp.LpVariable(
                    f"fair_{constraint_prefix}_{eltern.replace(' ', '_')}_{dienst.kuerzel}",
                    lowBound=0)

        # Fairness-Constraints hinzufügen
        for eltern in self.eltern:
            for dienst in self.dienste:
                # Tatsächliche Dienste im aktuellen Monat
                tatsaechliche_dienste_monat = pulp.lpSum(
                    x[eltern, tag, dienst]
                    for tag in self.tage
                    if (eltern, tag, dienst) in x
                )

                # Ziel für diese Fairness-Variante
                ziel = ziel_dienste[eltern][dienst]
                prob += (tatsaechliche_dienste_monat - ziel <=
                        fairness_abweichung[eltern, dienst])
                prob += (ziel - tatsaechliche_dienste_monat <=
                        fairness_abweichung[eltern, dienst])

        return fairness_abweichung

    def _add_constraint_gesamtfairness(
        self,
        prob: pulp.LpProblem,
        x: Dict[Tuple[str, date, Dienst], pulp.LpVariable],
        ziel_dienste: DefaultDict[str, DefaultDict[Dienst, float]],
        constraint_prefix: str
    ) -> Dict:
        """F3: Dienstübergreifende Fairness - verhindert Häufung bei einzelnen Eltern

        Berechnet die Abweichung der Gesamtdienstanzahl (über alle Diensttypen)
        vom fairen Gesamtziel. Dies verhindert, dass einzelne Eltern über alle
        Diensttypen hinweg überproportional viele Dienste bekommen.

        Args:
            prob: Das LP-Problem
            x: Die Entscheidungsvariablen
            ziel_dienste: Die Zielverteilung (global oder lokal)
            constraint_prefix: Präfix für Constraint-Namen ('lokal' oder 'global')

        Returns:
            Dictionary mit Gesamt-Fairness-Abweichungsvariablen
        """
        fairness_abweichung_gesamt = {}

        for eltern in self.eltern:
            fairness_abweichung_gesamt[eltern] = pulp.LpVariable(
                f"fair_gesamt_{constraint_prefix}_{eltern.replace(' ', '_')}",
                lowBound=0)

            # Tatsächliche Gesamtdienste für diesen Elternteil
            tatsaechliche_dienste_gesamt = pulp.lpSum(
                x[eltern, tag, dienst]
                for tag in self.tage
                for dienst in self.dienste
                if (eltern, tag, dienst) in x
            )

            # Ziel-Gesamtdienste für diesen Elternteil (Summe über alle Dienste)
            ziel_gesamt = sum(ziel_dienste[eltern][dienst] for dienst in self.dienste)

            # Fairness-Constraints
            prob += (tatsaechliche_dienste_gesamt - ziel_gesamt <=
                    fairness_abweichung_gesamt[eltern])
            prob += (ziel_gesamt - tatsaechliche_dienste_gesamt <=
                    fairness_abweichung_gesamt[eltern])

        return fairness_abweichung_gesamt

    def _berechne_fairness_gewichte(self) -> Tuple[int, int, 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
            gewicht_f3_global = 30   # Gesamtfairness global
            gewicht_f3_lokal = 15    # Gesamtfairness lokal
        elif 1 <= aktueller_monat <= 3:  # Jan-Mar: Jahresmitte
            gewicht_f1 = 75
            gewicht_f2 = 75
            gewicht_f3_global = 25
            gewicht_f3_lokal = 25
        else:  # Apr-Jul: Jahresende
            gewicht_f1 = 50   # Global weniger wichtig
            gewicht_f2 = 100  # Lokal wichtiger
            gewicht_f3_global = 15
            gewicht_f3_lokal = 30

        return gewicht_f1, gewicht_f2, gewicht_f3_global, gewicht_f3_lokal

    def _erstelle_zielfunktion(
        self,
        prob: pulp.LpProblem,
        x: Dict[Tuple[str, date, Dienst], pulp.LpVariable],
        fairness_abweichung_lokal: Dict,
        fairness_abweichung_global: Dict,
        fairness_abweichung_gesamt_global: Dict,
        fairness_abweichung_gesamt_lokal: Dict
    ) -> None:
        """Erstellt die Zielfunktion mit Fairness und Präferenzen"""
        objective_terms = []

        # Fairness-Gewichtung
        gewicht_global = 40
        gewicht_lokal = 60
        gewicht_f1 = gewicht_global
        gewicht_f2 = gewicht_lokal
        gewicht_f3_global = 0.25 * gewicht_global
        gewicht_f3_lokal = 0.25 * gewicht_lokal

        # Fairness-Terme zur Zielfunktion hinzufügen
        for eltern in self.eltern:
            for dienst in self.dienste:
                objective_terms.append(gewicht_f1 * fairness_abweichung_global[eltern, dienst])
                objective_terms.append(gewicht_f2 * fairness_abweichung_lokal[eltern, dienst])

            # F3: Gesamtfairness (dienstübergreifend) - global und lokal
            objective_terms.append(gewicht_f3_global * fairness_abweichung_gesamt_global[eltern])
            objective_terms.append(gewicht_f3_lokal * fairness_abweichung_gesamt_lokal[eltern])

        # 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])

        # 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])

        # Zielfunktion setzen
        if objective_terms:
            prob += pulp.lpSum(objective_terms)
        else:
            # Fallback: Minimiere Gesamtanzahl Dienste
            prob += pulp.lpSum([var for var in x.values()])

        print(f"Verwende Gewichtung: F1 (global) = {gewicht_f1}, F2 (lokal) = {gewicht_f2}, "
              f"F3_global = {gewicht_f3_global}, F3_lokal = {gewicht_f3_lokal}")

    def erstelle_optimierungsmodell(self) -> Tuple[
        pulp.LpProblem,
        Dict[Tuple[str, date, Dienst], pulp.LpVariable],
        DefaultDict[str, DefaultDict[Dienst, float]],
        DefaultDict[str, DefaultDict[Dienst, float]]
    ]:
        """Erstellt das PuLP Optimierungsmodell

        Returns:
            Tuple mit (prob, x, ziel_dienste_lokal, ziel_dienste_global)
        """
        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()

        # F2: Lokale Fairness-Constraints
        fairness_abweichung_lokal = self._add_fairness_constraints(
            prob, x, ziel_dienste_lokal, "lokal"
        )

        # F1: Globale Fairness-Constraints
        fairness_abweichung_global = self._add_fairness_constraints(
            prob, x, ziel_dienste_global, "global"
        )

        # F3: Dienstübergreifende Fairness - Global
        fairness_abweichung_gesamt_global = self._add_constraint_gesamtfairness(
            prob, x, ziel_dienste_global, "global"
        )

        # F3: Dienstübergreifende Fairness - Lokal
        fairness_abweichung_gesamt_lokal = self._add_constraint_gesamtfairness(
            prob, x, ziel_dienste_lokal, "lokal"
        )

        # Zielfunktion erstellen
        self._erstelle_zielfunktion(prob, x, fairness_abweichung_lokal, fairness_abweichung_global,
                                    fairness_abweichung_gesamt_global, fairness_abweichung_gesamt_lokal)

        print(f"Modell erstellt mit {len(x)} Variablen und {len(prob.constraints)} Constraints")
        return prob, x, ziel_dienste_lokal, ziel_dienste_global

    def löse_optimierung(self, prob: pulp.LpProblem,
                         x: Dict[Tuple[str, date, Dienst], pulp.LpVariable]) -> Optional[Dict[date, Dict[Dienst, List[str]]]]:
        """Löst das Optimierungsproblem"""
        print("Löse Optimierungsproblem...")

        # Solver wählen (verfügbare Solver testen)
        solver = None
        try:
            print("Versuche CBC Solver...")
            solver = pulp.PULP_CBC_CMD(msg=0, timeLimit=10)  # Standard CBC Solver
        except:
            try:
                print("Versuche GLPK Solver...")
                solver = pulp.GLPK_CMD(msg=0)  # GLPK falls verfügbar
            except:
                print("Kein spezifizierter Solver verfügbar, verwende Standard.")
                solver = None  # Default Solver

        prob.solve(solver)

        status = pulp.LpStatus[prob.status]
        print(f"Optimierung abgeschlossen: {status}")

        if prob.status != pulp.LpStatusOptimal:
            print("WARNUNG: Keine optimale Lösung gefunden!")
            return None

        # Lösung extrahieren
        lösung: Dict[date, Dict[Dienst, List[str]]] = {}
        for (eltern, tag, dienst), var in x.items():
            if var.varValue and var.varValue > 0.5:  # Binary variable ist 1
                if tag not in lösung:
                    lösung[tag] = {}
                if dienst not in lösung[tag]:
                    lösung[tag][dienst] = []
                lösung[tag][dienst].append(eltern)

        return lösung

    def schreibe_ausgabe_csv(self, datei: str, lösung: Dict[date, Dict[Dienst, List[str]]]) -> None:
        """Schreibt die Lösung in die ausgabe.csv"""
        AusgabeWriter.schreibe_ausgabe_csv(datei, lösung, self.tage, self.dienste)

    def drucke_statistiken(self, lösung: Dict[date, Dict[Dienst, List[str]]]) -> None:
        """Druckt Statistiken zur Lösung"""
        print("\n" + "="*50)
        print("STATISTIKEN")
        print("="*50)

        # Dienste pro Eltern zählen
        dienste_pro_eltern = defaultdict(lambda: defaultdict(int))
        for tag, tag_dienste in lösung.items():
            for dienst, eltern_liste in tag_dienste.items():
                for eltern in eltern_liste:
                    dienste_pro_eltern[eltern][dienst] += 1

        # Gesamtübersicht
        print("\nDienste pro Eltern:")
        for eltern in sorted(self.eltern):
            gesamt = sum(dienste_pro_eltern[eltern].values())
            dienste_detail = ', '.join(f"{dienst.kuerzel}:{dienste_pro_eltern[eltern][dienst]}"
                                     for dienst in self.dienste if dienste_pro_eltern[eltern][dienst] > 0)
            print(f"  {eltern:15} {gesamt:3d} ({dienste_detail})")

        # Dienstfaktor-Analyse
        print(f"\nDienstfaktoren im Planungszeitraum:")
        for eltern in sorted(self.eltern):
            faktor_summe = sum(self.dienstfaktoren[eltern][tag] for tag in self.tage)
            print(f"  {eltern:15} {faktor_summe:.1f}")

    def visualisiere_praeferenz_verletzungen(
        self,
        lösung: Dict[date, Dict[Dienst, List[str]]]
    ) -> None:
        """Visualisiert verletzte Präferenzen als Tabelle

        Args:
            lösung: Die tatsächliche Lösung nach Optimierung
        """
        print("\n" + "="*110)
        print("PRÄFERENZ-VERLETZUNGEN")
        print("="*110)

        # Sammle alle zugeteilten Dienste pro Eltern
        zugeteilte_dienste = defaultdict(lambda: defaultdict(list))  # eltern -> dienst -> [dates]
        for tag, tag_dienste in lösung.items():
            for dienst, eltern_liste in tag_dienste.items():
                for eltern in eltern_liste:
                    zugeteilte_dienste[eltern][dienst].append(tag)

        # Sammle Präferenzen strukturiert
        # praeferenzen_pro_eltern_dienst[eltern][dienst] = {datum: präf_wert}
        praeferenzen_pro_eltern_dienst = defaultdict(lambda: defaultdict(dict))
        for (eltern, tag, dienst), präf in self.präferenzen.items():
            praeferenzen_pro_eltern_dienst[eltern][dienst][tag] = präf

        # Berechne Verletzungen
        verletzungen = defaultdict(lambda: defaultdict(lambda: {'negativ': 0, 'positiv_nicht_erfuellt': 0}))

        for eltern in sorted(self.eltern):
            for dienst in self.dienste:
                zugeteilte_tage = zugeteilte_dienste[eltern][dienst]
                praeferenzen_dienst = praeferenzen_pro_eltern_dienst[eltern][dienst]

                if not zugeteilte_tage:
                    continue  # Keine Dienste zugeteilt

                # a) Negative Präferenzen die verletzt wurden
                for tag in zugeteilte_tage:
                    if tag in praeferenzen_dienst and praeferenzen_dienst[tag] == -1:
                        verletzungen[eltern][dienst]['negativ'] += 1

                # b) Positive Präferenzen nicht erfüllt (Dienst an nicht-präferiertem Tag)
                # Sammle alle Tage mit positiver Präferenz für diesen Dienst
                positive_praef_tage = {tag for tag, präf in praeferenzen_dienst.items() if präf == 1}

                if positive_praef_tage:  # Es gibt positive Präferenzen
                    # Prüfe ob ALLE zugeteilten Dienste an nicht-präferierten Tagen sind
                    for tag in zugeteilte_tage:
                        if tag not in positive_praef_tage:
                            # Dienst wurde an nicht-präferiertem Tag zugeteilt
                            verletzungen[eltern][dienst]['positiv_nicht_erfuellt'] += 1

        # Tabelle ausgeben
        print(f"\n{'Eltern':<20} ", end='')
        for dienst in self.dienste:
            print(f"{dienst.kuerzel:>12}", end='')
        print()
        print(f"{'':20} ", end='')
        for dienst in self.dienste:
            print(f"{'neg, pos':>12}", end='')
        print()
        print("-" * (20 + 12 * len(self.dienste)))

        gesamt_negativ = defaultdict(int)
        gesamt_positiv = defaultdict(int)

        for eltern in sorted(self.eltern):
            print(f"{eltern:<20} ", end='')
            for dienst in self.dienste:
                neg = verletzungen[eltern][dienst]['negativ']
                pos = verletzungen[eltern][dienst]['positiv_nicht_erfuellt']

                gesamt_negativ[dienst] += neg
                gesamt_positiv[dienst] += pos

                # Farbcodierung
                farbe = ""
                reset = ""
                if neg > 0 or pos > 0:
                    farbe = "\033[91m" if neg > 0 else "\033[93m"  # Rot für negativ, Gelb für positiv
                    reset = "\033[0m"

                print(f"{farbe}{neg:>3}, {pos:>3}{reset:>6}", end='')
            print()

        # Summenzeile
        print("-" * (20 + 12 * len(self.dienste)))
        print(f"{'SUMME':<20} ", end='')
        for dienst in self.dienste:
            neg = gesamt_negativ[dienst]
            pos = gesamt_positiv[dienst]

            farbe = ""
            reset = ""
            if neg > 0 or pos > 0:
                farbe = "\033[91m" if neg > 0 else "\033[93m"
                reset = "\033[0m"

            print(f"{farbe}{neg:>3}, {pos:>3}{reset:>6}", end='')
        print()

        print("\nLegende:")
        print("  neg = Anzahl negativer Präferenzen (abgelehnte Tage), die verletzt wurden")
        print("  pos = Anzahl Dienste an nicht-präferierten Tagen (obwohl präferierte Tage angegeben waren)")
        print("  \033[91mRot\033[0m = Negative Präferenz verletzt")
        print("  \033[93mGelb\033[0m = Positive Präferenz nicht erfüllt")

    def visualisiere_verteilungen(
        self,
        lösung: Dict[date, Dict[Dienst, List[str]]],
        ziel_lokal: DefaultDict[str, DefaultDict[Dienst, float]],
        ziel_global: DefaultDict[str, DefaultDict[Dienst, float]]
    ) -> None:
        """Visualisiert die Verteilungen als Tabelle zum Vergleich

        Args:
            lösung: Die tatsächliche Lösung nach Optimierung
            ziel_lokal: Lokale Zielverteilung (nur aktueller Monat)
            ziel_global: Globale Zielverteilung (inkl. Historie)
        """
        # Tatsächliche Dienste zählen
        tatsaechlich = defaultdict(lambda: defaultdict(int))
        for tag_dienste in lösung.values():
            for dienst, eltern_liste in tag_dienste.items():
                for eltern in eltern_liste:
                    tatsaechlich[eltern][dienst] += 1

        print("\n" + "="*110)
        print("VERTEILUNGSVERGLEICH: SOLL vs. IST")
        print("="*110)

        for dienst in self.dienste:
            print(f"\n{dienst.name} ({dienst.kuerzel}):")
            print(f"{'Eltern':<20} {'Ziel Global':>12} {'Ziel Lokal':>12} {'Tatsächlich':>12} "
                  f"{'Δ Global':>12} {'Δ Lokal':>12}")
            print("-" * 110)

            for eltern in sorted(self.eltern):
                z_global = ziel_global[eltern][dienst]
                z_lokal = ziel_lokal[eltern][dienst]
                ist = tatsaechlich[eltern][dienst]
                delta_global = ist - z_global
                delta_lokal = ist - z_lokal

                # Farbcodierung für Abweichungen (ANSI-Codes)
                farbe_global = ""
                farbe_lokal = ""
                reset = ""

                if abs(delta_global) > 0.5:
                    farbe_global = "\033[93m" if abs(delta_global) <= 1.0 else "\033[91m"  # Gelb oder Rot
                    reset = "\033[0m"

                if abs(delta_lokal) > 0.5:
                    farbe_lokal = "\033[93m" if abs(delta_lokal) <= 1.0 else "\033[91m"
                    reset = "\033[0m"

                print(f"{eltern:<20} {z_global:>12.2f} {z_lokal:>12.2f} {ist:>12} "
                      f"{farbe_global}{delta_global:>+12.2f}{reset} {farbe_lokal}{delta_lokal:>+12.2f}{reset}")

            # Summen
            summe_z_global = sum(ziel_global[e][dienst] for e in self.eltern)
            summe_z_lokal = sum(ziel_lokal[e][dienst] for e in self.eltern)
            summe_ist = sum(tatsaechlich[e][dienst] for e in self.eltern)

            print("-" * 110)
            print(f"{'SUMME':<20} {summe_z_global:>12.2f} {summe_z_lokal:>12.2f} {summe_ist:>12} "
                  f"{summe_ist - summe_z_global:>+12.2f} {summe_ist - summe_z_lokal:>+12.2f}")

        # Gesamtstatistik
        print("\n" + "="*110)
        print("ZUSAMMENFASSUNG")
        print("="*110)

        # Maximale Abweichungen finden
        max_abw_global = 0
        max_abw_lokal = 0

        for eltern in self.eltern:
            for dienst in self.dienste:
                ist = tatsaechlich[eltern][dienst]
                max_abw_global = max(max_abw_global, abs(ist - ziel_global[eltern][dienst]))
                max_abw_lokal = max(max_abw_lokal, abs(ist - ziel_lokal[eltern][dienst]))

        print(f"Maximale Abweichung von Global-Ziel: {max_abw_global:.2f} Dienste")
        print(f"Maximale Abweichung von Lokal-Ziel:  {max_abw_lokal:.2f} Dienste")
        print("\nLegende: Δ = Tatsächlich - Ziel  (positiv = mehr als Ziel, negativ = weniger als Ziel)")


def main() -> None:
    if len(sys.argv) < 4:
        print("Usage: ./elterndienstplaner.py <eingabe.csv> <eltern.csv> <ausgabe.csv> [<vorherige-ausgaben.csv>]")
        sys.exit(1)

    eingabe_datei = sys.argv[1]
    eltern_datei = sys.argv[2]
    ausgabe_datei = sys.argv[3]
    vorherige_datei = sys.argv[4] if len(sys.argv) > 4 else None

    print("Elterndienstplaner gestartet")
    print("="*50)

    try:
        planer = Elterndienstplaner()

        # Daten laden
        planer.lade_eingabe_csv(eingabe_datei)
        planer.lade_eltern_csv(eltern_datei)
        if vorherige_datei:
            planer.lade_vorherige_ausgaben_csv(vorherige_datei)

        # Optimierung
        prob, x, ziel_lokal, ziel_global = planer.erstelle_optimierungsmodell()
        lösung = planer.löse_optimierung(prob, x)

        if lösung is not None:
            # Ergebnisse ausgeben
            planer.schreibe_ausgabe_csv(ausgabe_datei, lösung)
            planer.drucke_statistiken(lösung)

            # Visualisierung der Verteilungen
            planer.visualisiere_verteilungen(lösung, ziel_lokal, ziel_global)

            # Visualisierung der Präferenz-Verletzungen
            planer.visualisiere_praeferenz_verletzungen(lösung)

            print("\n✓ Planung erfolgreich abgeschlossen!")
        else:
            print("\n✗ Fehler: Keine gültige Lösung gefunden!")
            sys.exit(1)

    except Exception as e:
        print(f"\n✗ Fehler: {e}")
        sys.exit(1)


if __name__ == "__main__":
    main()