From da8922e484a3680375bab6474ab57cebadc1e32f Mon Sep 17 00:00:00 2001
From: =?UTF-8?q?Maximilian=20Gr=C3=BCndinger?= <iron.ai.dev@gmail.com>
Date: Sat, 27 Jul 2024 21:39:36 +0200
Subject: [PATCH] Refactor code: Improve file handling and variable
 initialization

---
 Code/ai.fll          | 39 +++++++++++++++++++++++++++++++++++++++
 Code/compiler_gui.py |  6 +++---
 2 files changed, 42 insertions(+), 3 deletions(-)

diff --git a/Code/ai.fll b/Code/ai.fll
index e69de29..ef6362d 100644
--- a/Code/ai.fll
+++ b/Code/ai.fll
@@ -0,0 +1,39 @@
+# Bsp: Datensatz (Bitte bearbeiten für die von Ihnen gemessene Werte)
+# Für die kalibrierung bitte einfach die eingebaute Funktion calibrate aus und lassen sie sich das Ergebnis ausgeben.
+# Die Reifennutzung verändert sich für jeden Run um -0.05
+# Der Batterieladestand muss jedesmal gesondert abgelesen werden
+# Wenn sie diese Schritte einhalten kann die KI / das KNN richtig funktionieren
+data = [
+    {'Kalibrierung': 1.0, 'Batterieladestand': 100, 'Reifennutzung': 1.0, 'Multiplikation': 1.00},
+    {'Kalibrierung': 1.0, 'Batterieladestand': 90, 'Reifennutzung': 0.9, 'Multiplikation': 1.10},
+    {'Kalibrierung': 1.0, 'Batterieladestand': 80, 'Reifennutzung': 0.8, 'Multiplikation': 1.25},
+    {'Kalibrierung': 0.9, 'Batterieladestand': 100, 'Reifennutzung': 1.0, 'Multiplikation': 1.10},
+    {'Kalibrierung': 1.1, 'Batterieladestand': 100, 'Reifennutzung': 1.0, 'Multiplikation': 0.95}
+]
+
+def euclidean_distance(point1, point2):
+    distance = 0.0
+    for key in point1:
+        if key != 'Multiplikation':
+            distance += (point1[key] - point2[key]) ** 2
+    return math.sqrt(distance)
+
+def knn_predict(data, new_data_point, k=3):
+    # Berechne die Distanz zwischen dem neuen Punkt und allen anderen Punkten
+    distances = []
+    for item in data:
+        dist = euclidean_distance(new_data_point, item)
+        distances.append((dist, item['Multiplikation']))
+
+    distances.sort(key=lambda x: x[0])
+    neighbors = distances[:k]
+
+    total_distance = sum(neighbor[1] for neighbor in neighbors)
+    predicted_distance = total_distance / k
+
+    return predicted_distance
+
+# Beispielhafte Vorhersage
+new_data_point = {'Kalibrierung': 0.84, 'Batterieladestand': 85, 'Reifennutzung': 0.95}
+predicted_distance = knn_predict(data, new_data_point, k=3)
+print(f'Vorhergesagte Multiplikation: {predicted_distance}')
diff --git a/Code/compiler_gui.py b/Code/compiler_gui.py
index a6a2a9e..ee74b9e 100644
--- a/Code/compiler_gui.py
+++ b/Code/compiler_gui.py
@@ -81,7 +81,7 @@ def write_function(function,file,value=False):
                 sleep_out = f"\ntime.sleep({str(value)})"
                 f.write(sleep_out)
             case "init":
-                init_out = f"\nimport force_sensor, distance_sensor, motor, motor_pair\nfrom hub import port\nimport time\nfrom app import linegraph as ln\nimport runloop\nfrom math import *\nimport random\n"
+                init_out = f"\nimport force_sensor, distance_sensor, motor, motor_pair\nfrom hub import port\nimport time\nfrom app import linegraph as ln\nimport runloop\nfrom math import *\nimport random\nimport math\n"
                 f.write(init_out)
             case "ai.chose":
                 ai_chose_out = f"ai_chose = '{str(value)}'\n"
@@ -285,8 +285,8 @@ def compile_llsp3(file, directory, project_name):
             for filename in filenames:
                 file_path = os.path.join(foldername, filename)
                 arcname = os.path.relpath(file_path, directory)
-                zip_ref.write(file_path, arcname)            
-    
+                zip_ref.write(file_path, arcname)
+
     if os.path.exists(llsp3_file_path):
         os.remove(manifest_path)
         os.remove(icon_svg_path)