library(datasets)


library(cec2013)
library(DEoptim)


#WYMIAR 
D <- 2
#NUMER FUNKCJI: 1...28
I <- 11


lower <- rep(-10, D)
upper <- -lower

outDEoptim <- DEoptim(fn=function(x){cec2013(I, x)}, lower, upper, 
                      DEoptim.control(itermax = 100, storepopfrom = 1, storepopfreq = 2))


print(outDEoptim)

## plot intermediate populations
#plot(outDEoptim, plot.type = "storepop")




euclid <- function(x1,x2) #x musi byc postaci x1 - x2
{
  sqrt(rowSums((x1-x2)^2))
}

klastry = list()
wymiar <- 2

k_means <- function(dane, k, max_iter, wymiar)
  #k - liczba klastrow, max_iter - maksymalna liczba iteracji
{
  #
  # losowanie punktow poczatkowych
  #
  means <- (sample(1:dim(dane)[1],k))
  clusters <- dane[means,1:wymiar]
  print('klastry')
  print(clusters)
  #do kazdego klastra zostana przypisane najblizej lezace punkty
  #dla kazdego punktu obliczane sa odleglosci od wszystkich klastrow
  #przypisywany jest do najblizszego
  clustlist = list() #inicjalizacja listy na macierze klastrow
  w = list()
  s = list()
  for (i in 1:max_iter) 
  {
    for (j in 1:k) #petla po wszystkich klastrach
    {
      # macierz klastrow
      clustlist[[j]] <- t(matrix(clusters[j,1:wymiar],wymiar,dim(dane)[1]))
      w[[j]]<-euclid(dane[,1:wymiar],unlist(clustlist[[j]]))
    }
    y<-matrix(unlist(w),dim(dane)[1],k)
    for (l in 1:dim(dane)[1]) 
    {
      dane[l,wymiar+1]<-which.min(y[l,]) # przypisanie numeru klastra
    }
    colnames(dane)[wymiar+1] <- "klaster"
    #wybor nowych srodkow klastrow
    
    for (m in 1:k) 
    {
      u = dane[dane$klaster == m,]
 
      clusters[m,] <- colSums(u[1:wymiar])/dim(u)[1]
 
    }
    klastry <- clusters
    
    print('nowe klastry')
    print(clusters)
  }
  return(dane)
}

tab <- outDEoptim$member$storepop[[49]]

#a<-k_means(iris[, 3:4], 3, 100,2)

a<-k_means(tab, 3, 2,2)
#set.seed(20)
#irisCluster <- kmeans(iris[, 3:4], 3, nstart = 20)
#irisCluster

#irisCluster$cluster <- as.factor(irisCluster$cluster)
#ggplot(iris, aes(Petal.Length, Petal.Width, color = irisCluster$cluster)) + geom_point()


colnames(a) <- c("x","y","klaster")
               
b<-unlist(a[,wymiar+1])
b<-replace(b,b==1,'pierwszy')
b<-replace(b,b==2,'drugi')
b<-replace(b,b==3,'trzeci')
b<-replace(b,b==4,'czwarty')
b<-replace(b,b==5,'piaty')
b<-replace(b,b==6,'szosty')
b<-replace(b,b==7,'siodmy')
b<-replace(b,b==8,'osmy')
b<-replace(b,b==9,'dziewiaty')
b<-replace(b,b==10,'dziesiaty')

a[,wymiar+1]<-b


library(ggplot2)
ggplot(a, aes(x, y, color = klaster)) + geom_point()