Files
benevoles/backend/app/solver/models.py
T
AdamThomasandClaude Opus 5.5 d722a81a87
ci-cd / build-backend (push) Successful in 31s
ci-cd / build-frontend (push) Successful in 19s
ci-cd / deploy (push) Successful in 12s
Retrait des disponibilités et des limites de temps dans la journée
Disponibilités déclarées supprimées (table `availability`, migration 0022,
API, éditeur de la fiche bénévole, badge de couverture du panneau
d'affectation, colonnes des statistiques) ainsi que les règles
OUTSIDE_AVAILABILITY, DAILY_HOURS_EXCEEDED et INSUFFICIENT_REST, les malus
de disponibilité et de repos du solveur et le filtre « Surchargés » de la
vue bénévoles. Seul le chevauchement reste contrôlé. La case « je suis
disponible » du formulaire public est conservée.

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
2026-10-05 21:29:58 +02:00

75 lines
2.7 KiB
Python

"""Types d'entrée/sortie du solveur — suggestions, pas d'affectation automatique.
Le solveur ne connaît que ces structures simples (jamais les modèles
SQLModel), comme le moteur de validation dont il réutilise les briques
(`app.validation.models`).
"""
import datetime as dt
from dataclasses import dataclass, field
from app.validation.models import ShiftInfo
@dataclass(frozen=True)
class SolverShift:
"""Un créneau à compléter (`assigned < ideal_staff`)."""
id: str
position_id: str
starts_at: dt.datetime
ends_at: dt.datetime
min_staff: int
ideal_staff: int
already_assigned: int
# Créneau(x) — n'importe quel poste — dont la fin coïncide avec le début
# de celui-ci, le même jour (vide s'il n'y en a pas) : sert au malus de
# chaînage (voir `engine._score`), pour limiter les enchaînements de
# shifts plutôt que cibler la rotation d'un poste en particulier.
predecessor_shift_ids: frozenset[str] = frozenset()
# Bénévoles déjà affectés à ce créneau (décisions déjà prises) : sert au
# bonus de compagnon de route (voir `engine._score`).
assigned_volunteer_ids: frozenset[str] = frozenset()
@property
def shift_info(self) -> ShiftInfo:
return ShiftInfo(id=self.id, starts_at=self.starts_at, ends_at=self.ends_at)
@dataclass(frozen=True)
class SolverVolunteer:
id: str
wished_position_ids: frozenset[str] = frozenset()
# Bénévoles (0 à N) avec qui il voudrait être affecté. Le vœu est saisi à
# sens unique (`VolunteerCompanionWish`) mais rendu réciproque ici par le
# loader : si A souhaite B, l'ensemble de B contient aussi A.
wished_companion_ids: frozenset[str] = frozenset()
# Passages des artistes que le bénévole veut voir (heure de passage),
# sous forme de fenêtres datées : un créneau qui chevauche l'une d'elles
# lui ferait manquer le passage.
wished_artist_windows: tuple[ShiftInfo, ...] = ()
# Créneaux déjà occupés (affectations existantes, décisions figées) :
# comptent pour chevauchement et chaînage.
existing_shifts: tuple[ShiftInfo, ...] = ()
# Total déjà affecté sur l'édition (minutes), pour répartir la charge.
existing_minutes: int = 0
@dataclass(frozen=True)
class SolverInput:
shifts: tuple[SolverShift, ...] = field(default_factory=tuple)
volunteers: tuple[SolverVolunteer, ...] = field(default_factory=tuple)
@dataclass(frozen=True)
class ShiftSuggestion:
"""Bénévoles suggérés pour un créneau, meilleur en tête."""
shift_id: str
volunteer_ids: tuple[str, ...]
@dataclass(frozen=True)
class SolverSolution:
suggestions: tuple[ShiftSuggestion, ...] = field(default_factory=tuple)