import java.util.Random;
import java.util.Date;

public class Tests  {
    private static final int drive_drive = 10;
    private static final int drive_reves = 30;
    private static final int reves_drive = 50;
    private static final int reves_reves = 20;

    private static double K = 0.0005;
    private static double noise = 0.0001;

    private static double alberto_p_drive = 0.4; // alberto_p_reves = 1-alberto_p_drive
    private static double ana_p_drive = 0.4; // ana_p_reves = 1-ana_p_drive
    private static double esperanza = 0.0;
    private static double alberto_p_ratio = 0.1;  // != 0
    private static double ana_p_ratio = 0.1; // != 0

    private static Random r = new Random(new Date().getTime());

    private static double cerouno(double in) {
        if (in<0.0) return 0.0;
        if (in>1.0) return 1.0;
        return in;
    }

    private static void init() {
        esperanza =
            alberto_p_drive * ana_p_drive * drive_drive
            + alberto_p_drive * (1-ana_p_drive) * drive_reves
            + (1-alberto_p_drive) * ana_p_drive * reves_drive
            + (1-alberto_p_drive) * (1-ana_p_drive) * reves_reves;
        String alberto = String.format("Alberto P drive: %.4f (%+.4f); ", alberto_p_drive, alberto_p_ratio);
        String ana =  String.format("Ana P drive: %.4f (%+.4f); ", ana_p_drive, ana_p_ratio);
        System.out.println("Estado inicial: " + alberto + ana);
    }

    private static void step(int i) {
        // Aplicamos el gradiente del paso anterior
        double nuevo_alberto_p_drive = cerouno(alberto_p_drive + alberto_p_ratio);
        double nuevo_ana_p_drive = cerouno(ana_p_drive + ana_p_ratio);
        // Calculamos la esperanza de la nueva situacion
        double nuevo_esperanza =
            nuevo_alberto_p_drive * nuevo_ana_p_drive * drive_drive
            + nuevo_alberto_p_drive * (1-nuevo_ana_p_drive) * drive_reves
            + (1-nuevo_alberto_p_drive) * nuevo_ana_p_drive * reves_drive
            + (1-nuevo_alberto_p_drive) * (1-nuevo_ana_p_drive) * reves_reves;
        // Calculamos una estimación del gradiente
        double gradiente_alberto = (nuevo_esperanza - esperanza) / (nuevo_alberto_p_drive - alberto_p_drive);
        double gradiente_ana = (nuevo_esperanza - esperanza) / (nuevo_ana_p_drive - ana_p_drive);
        if (Double.isNaN(gradiente_alberto) || Double.isInfinite(gradiente_alberto)) gradiente_alberto = 0.0;
        if (Double.isNaN(gradiente_ana) || Double.isInfinite(gradiente_ana)) gradiente_ana = 0.0;
        alberto_p_ratio = gradiente_alberto * K; // Alberto quiere maximizar
        ana_p_ratio = -gradiente_ana * K; // Ana quiere minimizar, por eso el signo negativo
        alberto_p_ratio += r.nextGaussian()*noise;
        ana_p_ratio += r.nextGaussian()*noise;
        // Preparamos el siguiente paso
        alberto_p_drive = nuevo_alberto_p_drive;
        ana_p_drive = nuevo_ana_p_drive;
        esperanza = nuevo_esperanza;
        // Mostramos el progreso
        String e = String.format("%3d: %3f; ", i, esperanza);
        String alberto = String.format("Alberto P drive: %.4f (%+.4f); ", alberto_p_drive, alberto_p_ratio);
        String ana =  String.format("Ana P drive: %.4f (%+.4f); ", ana_p_drive, ana_p_ratio);
        System.out.println(e + alberto + ana);
    }

    public static void main(String[] args) {
        init();
        for (int i=0; i<1000; i++) {
            step(i);
        }
    }
}