updated test imports

README.md

@@ -12,31 +12,31 @@ Voici mes réponses pour l'examen 2025 d'_Algorithmes et Structures de données_
 <table>
 <tr>
 <td><strong>But</strong></td>
-<td>...</td>
+<td>Compter le nombre de valeurs positives différentes ayant leur opposé dans une liste</td>
 </tr>
 <tr>
 <td><strong>Input</strong></td>
-<td>...</td>
+<td>La liste des demi-touches (entiers relatifs non-nuls)</td>
 </tr>
 <tr>
 <td><strong>Output</strong></td>
-<td>...</td>
+<td>Le nombre de touches distinctes dont les valeurs positives et négatives sont dans la liste</td>
 </tr>
 <tr>
 <td><strong>Signature</strong></td>
 <td>
 
 ```python
-def function1(
-    *args
-) -> Any:
+def countKey(
+    pieces: list[int]
+) -> int:
 ```
 
 </td>
 </tr>
 </table>
 
-[Source](https://git.kb28.ch/HEL/AlgoDS-Examen2025/src/branch/main/src/ex1_.py)
+[Source](https://git.kb28.ch/HEL/AlgoDS-Examen2025/src/branch/main/src/Ex1.py)
 /
 [Tests](https://git.kb28.ch/HEL/AlgoDS-Examen2025/src/branch/main/tests/test_ex1.py)
 
@@ -46,31 +46,33 @@ def function1(
 <table>
 <tr>
 <td><strong>But</strong></td>
-<td></td>
+<td>Trouver le chemin le plus court entre deux points, en considérant que certaines routes ne sont praticables que de nuit/jour</td>
 </tr>
 <tr>
 <td><strong>Input</strong></td>
-<td>...</td>
+<td>Nœud de départ (index), nœud d'arrivée (index) et liste des routes / arêtes (nœud 1, nœud 2, restriction)</td>
 </tr>
 <tr>
 <td><strong>Output</strong></td>
-<td>...</td>
+<td>Liste des nœuds (index) à parcourir</td>
 </tr>
 <tr>
 <td><strong>Signature</strong></td>
 <td>
 
 ```python
-def function2(
-    *args
-) -> Any:
+def findSafestPath(
+    start: int,
+    end: int,
+    intersections: list[tuple[int, int, int]]
+) -> list[int]:
 ```
 
 </td>
 </tr>
 </table>
 
-[Source](https://git.kb28.ch/HEL/AlgoDS-Examen2025/src/branch/main/src/ex2_.py)
+[Source](https://git.kb28.ch/HEL/AlgoDS-Examen2025/src/branch/main/src/Ex2.py)
 /
 [Tests](https://git.kb28.ch/HEL/AlgoDS-Examen2025/src/branch/main/tests/test_ex2.py)
 
@@ -80,31 +82,32 @@ def function2(
 <table>
 <tr>
 <td><strong>But</strong></td>
-<td>...</td>
+<td>Trouver dans un réseau de console un sous-graphe connexe de taille donnée</td>
 </tr>
 <tr>
 <td><strong>Input</strong></td>
-<td>...</td>
+<td>Taille n du sous-graphe recherché, liste des connexions</td>
 </tr>
 <tr>
 <td><strong>Output</strong></td>
-<td>...</td>
+<td>Liste de n consoles toutes interconnectées</td>
 </tr>
 <tr>
 <td><strong>Signature</strong></td>
 <td>
 
 ```python
-def function3(
-    *args
-) -> Any:
+def findTightlyLinkedConsoles(
+    n: int,
+    consoles: list[tuple[int, int]]
+) -> list[int]:
 ```
 
 </td>
 </tr>
 </table>
 
-[Source](https://git.kb28.ch/HEL/AlgoDS-Examen2025/src/branch/main/src/ex3_.py)
+[Source](https://git.kb28.ch/HEL/AlgoDS-Examen2025/src/branch/main/src/Ex3.py)
 /
 [Tests](https://git.kb28.ch/HEL/AlgoDS-Examen2025/src/branch/main/tests/test_ex3.py)
 
@@ -114,31 +117,33 @@ def function3(
 <table>
 <tr>
 <td><strong>But</strong></td>
-<td>...</td>
+<td>Compter le nombre de séquences de N coups infligeant un total de H dégâts</td>
 </tr>
 <tr>
 <td><strong>Input</strong></td>
-<td>...</td>
+<td>Nombre N de coups dans la séquence, nombre C de coups possibles (dégâts 1 à C inclus), total H de dégâts</td>
 </tr>
 <tr>
 <td><strong>Output</strong></td>
-<td>...</td>
+<td>Nombre de séquences possibles</td>
 </tr>
 <tr>
 <td><strong>Signature</strong></td>
 <td>
 
 ```python
-def function4(
-    *args
-) -> Any:
+def computeNbrOfDifferentSequences(
+    N: int,
+    C: int,
+    H: int
+) -> int:
 ```
 
 </td>
 </tr>
 </table>
 
-[Source](https://git.kb28.ch/HEL/AlgoDS-Examen2025/src/branch/main/src/ex4_.py)
+[Source](https://git.kb28.ch/HEL/AlgoDS-Examen2025/src/branch/main/src/Ex4.py)
 /
 [Tests](https://git.kb28.ch/HEL/AlgoDS-Examen2025/src/branch/main/tests/test_ex4.py)
 
@@ -148,30 +153,32 @@ def function4(
 <table>
 <tr>
 <td><strong>But</strong></td>
-<td>...</td>
+<td>Trouver les placements de pièces Minitris formant un rectangle plein</td>
 </tr>
 <tr>
 <td><strong>Input</strong></td>
-<td>...</td>
+<td>Largeur de la grille, longueur de la grille, liste des pièces à poser</td>
 </tr>
 <tr>
 <td><strong>Output</strong></td>
-<td>...</td>
+<td>Liste des positions des pièces</td>
 </tr>
 <tr>
 <td><strong>Signature</strong></td>
 <td>
 
 ```python
-def function5(
-    *args
-) -> Any:
+def playMinitrisFastAndWell(
+    board_width: int,
+    board_height: int,
+    pieces: list[tuple[tuple[int,int], tuple[int,int]]]
+) -> list[list[int, int]]:
 ```
 
 </td>
 </tr>
 </table>
 
-[Source](https://git.kb28.ch/HEL/AlgoDS-Examen2025/src/branch/main/src/ex5_.py)
+[Source](https://git.kb28.ch/HEL/AlgoDS-Examen2025/src/branch/main/src/Ex5.py)
 /
 [Tests](https://git.kb28.ch/HEL/AlgoDS-Examen2025/src/branch/main/tests/test_ex5.py)

src/Ex1.py

@@ -0,0 +1,57 @@
+
+"""
+Nom/Prénom: Heredero/Louis
+Explications:
+
+Une approche serait de trier la liste des valeurs par ordre croissant
+Une fois triée, nous pouvons comparer les valeurs absolues des 2 extrémités :
+- Si elles sont égales, nous avons une touche complète supplémentaire (nous les enlevons de la liste)
+- Sinon, nous enlevons celle avec la plus grande valeur absolue
+
+NB: Afin de ne compter que les paires distinctes, nous pouvons soit transformer
+la liste en `set` (retire les valeurs à double), soit garder une liste des valeurs
+de touches complètes trouvées
+Cela permettrait aussi peut-être d'améliorer l'efficacité de l'algorithme de la manière suivante:
+- Créer deux `set` : valeurs positives et valeurs négatives (stocker la valeur
+  absolue des valeurs négatives dans le `set`)
+- Calculer l'intersection des deux `set` :
+  `intersection = positives.intersection(negatives)`
+- Le nombre de touches complètes est la taille de cette intersection :
+  `complete = len(intersection)`
+
+Par exemple :
+list = [-3, -2, -1, 1, 2, 5] -> |-3| != |5| -> on enlève 5
+list = [-3, -2, -1, 1, 2] -> |-3| != |2| -> on enlève -3
+list = [-2, -1, 1, 2] -> |-2| = |2| -> une touche complète
+list = [-1, 1] -> |-1| = |1| -> une autre touche complète
+list = []
+"""
+
+
+def countKey(pieces: list[int]) -> int:
+    pieces = sorted(pieces)
+    complete: int = 0
+
+    while len(pieces) >= 2:
+        a, b = pieces[0], pieces[-1]
+
+        # Si toutes les pièces restantes sont de même signe, on peut s'arrêter
+        if a >= 0 or b <= 0:
+            break
+
+        abs_a, abs_b = abs(a), abs(b)
+        if abs_a == abs_b:
+            complete += 1
+            pieces = pieces[1:-1]
+        elif abs_a < abs_b:
+            pieces.pop(-1)
+        else:
+            pieces.pop(0)
+
+    return complete
+
+
+if __name__ == '__main__':
+    #print(countKey([-3, 4, 2, 8, 9, 1, -3, -8, -4, 2, 8, 2, -8, 1, 3]) == 3)
+    print(countKey([-3, 4, 2, 8, 9, 1, -3, -8, -4, 2, 8, 2, -8, 1, 3]) == 4)
+    print(countKey([-4, 5, 6, -1500, 4, 7, 49, 60, -60, 82, -41, 1500, 1, -7]) == 4)

src/Ex2.py

@@ -0,0 +1,96 @@
+
+"""
+Nom/Prénom: Heredero/Louis
+Explications:
+
+Tout d'abord, le réseau de routes et d'intersections peut être représenté par un graphe,
+dans lequel les interséctions sont les nœuds et les routes les arêtes.
+
+Ainsi, nous cherchons à trouver le chemin le plus court du point de départ au
+point d'arrivée, tel que les routes marquées 1 ne soient parcourues que de jour
+(c'est-à-dire si leurs index dans le chemin parcouru est pair), et celles marquées -1
+seulement de nuit (index impair). En plus des routes données, nous pouvons aussi
+rester sur un même nœud pour une nuit.
+Afin de bien gérer les différences d'états entre jour et nuit, nous pouvons intégrer le demi-jour
+associé à chaque visite de nœud. Ainsi, une même intersection peut avoir deux nœuds :
+un pour une visite de jour, et un de nuit.
+
+Pour résoudre ce problème, comme nous ne pouvons pas établir d'heuristique mesurant
+notre distance au point d'arrivée, nous pouvons utiliser un algorithme BFS assez simple:
+- Initialiser la liste des nœuds à traiter avec le nœud de départ et le demi-jour de départ (`DAY`)
+- Tant que nous n'avons pas trouvé le nœud d'arrivée:
+  - Pour chaque nœud à traiter :
+    - Visiter les nœuds voisins non visités (liés par une route praticable)
+    - Indiquer pour chaque voisin son parent
+    - L'ajouter à la nouvelle liste des nœuds à traiter
+  - Alterner le demi-jour courant
+  - Recommencer avec la nouvelle liste de nœuds à traiter
+"""
+from typing import Optional
+
+ALWAYS = 0
+DAY = 1
+NIGHT = -1
+
+
+def get_path(visited: dict[tuple[int, int], Optional[int]], end: int, end_time: int) -> list[int]:
+    path: list[int] = []
+    parent: Optional[int] = end
+
+    time: int = end_time
+    while parent is not None:
+        path.append(parent)
+        parent = visited[(parent, time)]
+        time = -time
+
+    return list(reversed(path))
+
+def findSafestPath(start: int, end: int, intersections: list[tuple[int, int, int]]) -> list[int]:
+    edges: dict[int, dict[int, set[int]]] = {
+        ALWAYS: {},
+        DAY: {},
+        NIGHT: {}
+    }
+
+    for i1, i2, mode in intersections:
+        edge_dict: dict[int, set[int]] = edges[mode]
+        if i1 not in edge_dict:
+            edge_dict[i1] = set()
+        if i2 not in edge_dict:
+            edge_dict[i2] = set()
+        edge_dict[i1].add(i2)
+        edge_dict[i2].add(i1)
+
+    visited: dict[tuple[int, int], Optional[int]] = {
+        (start, DAY): None
+    }
+    to_process: list[int] = [start]
+    time = DAY
+    while len(to_process) != 0:
+        to_process2 = []
+        time2 = -time
+        for idx in to_process:
+            always: set[int] = edges[ALWAYS].get(idx, set())
+            matching_time: set[int] = edges[time].get(idx, set())
+            neighbors: set[int] = always | matching_time
+            neighbors.add(idx)
+
+            for neighbor in neighbors:
+                key = (neighbor, time2)
+                # Skip if already visited
+                if key in visited:
+                    continue
+                visited[key] = idx
+                if neighbor == end:
+                    return get_path(visited, end, time2)
+                to_process2.append(neighbor)
+
+        to_process = to_process2
+        time = time2
+
+    return []
+
+
+if __name__ == '__main__':
+    print(findSafestPath(0,2,[(0, 1, -1), (1, 2, 0)]) == [0, 0, 1, 2])
+    print(findSafestPath(0, 5, [(0, 1, 0), (0, 2, 1), (2, 1, -1), (1, 3, -1), (2, 4, -1), (3, 5, 1), (3, 4, 0), (4, 5, -1)]) == [0, 1, 3, 5])

src/Ex3.py

@@ -0,0 +1,76 @@
+
+"""
+Nom/Prénom: Heredero/Louis
+Explications:
+
+Comme indiqué dans la donnée de l'exercice, il s'agit ici de trouvé un sous-graphe
+connexe dans un graphe quelconque de consoles interconnectées
+
+Pour ce faire, nous pouvons procéder ainsi :
+Étape 1 :
+- Compter le nombre de voisins de chaque nœud (console)
+- Éliminer ceux ayant moins de voisins que la taille de sous-graphe recherché
+  - Supprimer également les arêtes connectées à ces nœuds
+- Recommencer jusqu'à ce que :
+  a) il y ait moins de nœuds que la taille du sous-graphe recherché
+     -> il n'est donc pas possible de trouver un sous-graphe connexe de taille n
+  b) aucun nœud du graphe n'ait moins de voisins que voulu (aucune suppression de nœud)
+     -> il peut exister un sous-graphe connexe de taille n (Cf. étape 2)
+
+Étape 2 :
+- Pour chaque nœud du graphe :
+  - Calculer l'ensemble des nœuds communs entre ses voisins (et lui-même),
+    et les voisins de ses voisins (et eux-mêmes)'
+    C'est-à-dire, si N1 est un nœud et nb(N1) = {N2, N3, ...} est l'ensemble de ses voisins,
+    on cherche l'intersection de {N1} U nb(N1), {N2} U nb(N2), {N3} U nb(N3), etc.
+  - Si cet ensemble contient au moins n éléments, il s'agit alors d'un sous-graphe connexe.
+    On peut ainsi en extraire les n premiers nœuds comme résultat
+"""
+
+
+def findTightlyLinkedConsoles(n: int, consoles: list[tuple[int, int]]) -> list[int]:
+    nodes: dict[int, set[int]] = {}
+
+    for i1, i2 in consoles:
+        if i1 not in nodes:
+            nodes[i1] = set()
+        if i2 not in nodes:
+            nodes[i2] = set()
+        nodes[i1].add(i2)
+        nodes[i2].add(i1)
+
+    while True:
+        removed: set[int] = set()
+        for node, neighbors in nodes.items():
+            if len(neighbors) < n - 1:
+                removed.add(node)
+
+        if len(removed) == 0:
+            break
+
+        new_nodes = {}
+        for node, neighbors in nodes.items():
+            if node in removed:
+                continue
+            new_nodes[node] = neighbors - removed
+
+        nodes = new_nodes
+
+        if len(nodes) < n:
+            return []
+
+    for node, neighbors in nodes.items():
+        common: set[int] = neighbors | {node}
+        for nb in neighbors:
+            common = common.intersection(nodes[nb] | {nb})
+
+        if len(common) >= n:
+            return list(sorted(common))[:n]
+
+    return []
+
+
+if __name__ == '__main__':
+    print(findTightlyLinkedConsoles(3, [(0, 1), (0, 4), (2, 1), (3, 1), (4, 2), (2, 3)]) == [1, 2, 3])
+    print(findTightlyLinkedConsoles(4, [(0, 1), (0, 4), (2, 1), (3, 1), (4, 2), (2, 3)]) == [])
+    print(findTightlyLinkedConsoles(4, [(0, 1), (0, 4), (2, 1), (3, 1), (4, 2), (2, 3), (1, 4), (4, 3)]) == [1, 2, 3, 4])

src/Ex4.py

@@ -0,0 +1,75 @@
+
+"""
+Nom/Prénom: Heredero/Louis
+Explications:
+
+Une approche pour résoudre ce problème grâce à la programmation dynamique consiste
+à se représenter les différentes séquences comme un arbre de décisions, où chaque nœud
+représente une séquence, et chaque arête un coup supplémentaire
+On peut alors parcourir l'arbre en profondeur (DFS) jusqu'à trouver une séquence
+de longueur N et de valeur H (en élaguant les branches dépassant H ou N)
+On peut également mémoïser un certain nombre de valeurs : en effet, pour une même
+combinaison N, C, H, le résultat sera toujours le même. Cela optimise donc grandement
+le calcul récursif puisque cela évite de calculer les états partagés (sous-branches
+identiques)
+
+Bonus :
+Nous cherchons la valeur N la plus petite telle que :
+  `computeNbrOfDifferentSequences(N, 5, 100) > 2^16`
+"""
+
+mem: dict[tuple[int, int, int], int] = {}
+
+def computeNbrOfDifferentSequences(N: int, C: int, H: int) -> int:
+    if N == 0:
+        if H == 0:
+            return 1
+        return 0
+
+    if H < 0:
+        return 0
+
+    key: tuple[int, int, int] = (N, C, H)
+    if key in mem:
+        return mem[key]
+
+    total: int = 0
+    for c in range(1, C + 1):
+        total += computeNbrOfDifferentSequences(N - 1, C, H - c)
+
+    mem[key] = total
+    return total
+
+
+def bonus():
+    # Finding N2
+    N1 = 100
+    N2 = 1_000_000_000
+    C = 5
+    H = 100
+    lim = 2 ** 16
+
+    while computeNbrOfDifferentSequences(N2, C, H) <= lim:
+        N2 *= 2
+        print(f"*= 2 -> {N2}")
+
+    print(f"{N2=}")
+
+    # Finding N
+    while N2 - N1 > 1:
+        Nm = (N1 + N2) // 2
+        value = computeNbrOfDifferentSequences(Nm, C, H)
+        if value == lim:
+            return Nm
+
+        if value < lim:
+            N1 = Nm
+        else:
+            N2 = Nm
+
+    return N2
+
+if __name__ == '__main__':
+    print(computeNbrOfDifferentSequences(1, 6, 3) == 1)
+    print(computeNbrOfDifferentSequences(2, 6, 7) == 6)
+    #print(bonus())

src/Ex5.py

@@ -0,0 +1,190 @@
+"""
+Nom/Prénom: Heredero/Louis
+
+"""
+from typing import Optional
+
+
+#   UTILITY FUNCTIONS
+#       Those functions are provided as helpers, you do not have to use them
+#       The displayBoardSequence function will be used to visualize the results of your algorithms during the evaluation
+
+def printPiece(piece:tuple[tuple[int,int], tuple[int,int]]) -> None:
+    print(piece[0][1], piece[1][1])
+    print(piece[0][0], piece[1][0])
+
+def printBoard(board:list[list[int, int]]) -> None:
+
+    if len(board) <= 0 or len(board[0]) <= 0:
+        print("Empty board -> skipping printing")
+        return None
+
+    for i in range(len(board)-1):
+        if len(board[i]) != len(board[i+1]):
+            print("Board is not a rectangle --> skipping printing")
+            return None
+
+    for y in range(len(board[0])-1, -1, -1):
+        line = ""
+        for x in range(len(board)):
+            line += str(board[x][y],)
+        print(line)
+
+
+def placeAt(loc, board, piece):
+    for x in range(2):
+        for y in range(2):
+            if piece[x][y] == 0:
+                continue
+            board[loc[0] + x][loc[1] + y] = piece[x][y]
+
+
+def displayBoardSequence(board_width:int, board_height:int, pieces:list[tuple[tuple[int,int], tuple[int,int]]], placements:list[list[int, int]]):
+    """Display a sequence of move on the board by placing the blocs at the given locations
+        ==> /!\ This is an unsafe function that simply place the 1 ones of the given blocs at the given placements, it will crash while trying to place blocs outside the board
+        ==> /!\ it does not check the validity of the placement
+      => It's main use is for debugging
+    """
+    board = [None] * board_width
+    for i in range(board_width):
+        board[i] = [0] * board_height
+
+    for i in range(len(pieces)):
+        print( "----", i, "----")
+        print("Piece to place")
+        printPiece(pieces[i])
+        print("Board state after placing piece @ "+ str(placements[i]))
+        placeAt(placements[i], board, pieces[i])
+        printBoard(board)
+
+"""
+Explications:
+
+Une approche possible consiste à représenter la partie sous la forme d'un arbre
+dans lequel les nœuds sont les états de la grille et les arêtes sont les coups
+possibles (i.e. placement d'une pièce)
+
+Ainsi, l'état initial serait celui de la grille vide, et chaque "niveau" de l'arbre
+représenterait une pièce différente pouvant être posée
+
+On peut ensuite parcourir l'arbre en largeur (BFS) ce qui nous garantit de trouver une solution optimale en premier.
+On peut également le parcourir en profondeur (DFS) jusqu'à trouver une solution, puis en parcourant le reste de l'arbre
+à la recherche d'une meilleure solution. Cela permettrait également d'appliquer
+de la mémoïsation (principe de programmation dynamique) afin d'optimiser la recherche
+
+Afin d'accélérer la recherche nous pouvons appliquer les optimisations suivantes:
+- élagage des branches inintéressantes : dès qu'une pièce laisse un espace vide sous elle, il devient impossible de le remplir
+- tri des branches selon la hauteur de la pièce une fois posée : prioriser les branches plaçant les pièces le plus bas possible
+- combinaisons de pièces en macro-blocs : combiner les pièces pouvant s'assembler (p.ex. coin et carré)
+
+"""
+
+def find_y(board: list[list[int]], height: int, piece: tuple[tuple[int,int], tuple[int,int]], x: int) -> int:
+    y_max = height - 2
+    if piece[0][1] == 0 and piece[1][1] == 0:
+        y_max = height - 1
+
+    y_min = 0
+    if piece[0][0] == 0 and piece[1][0] == 0:
+        y_min = -1
+
+    lowest = 0
+    for y in range(y_max, y_min - 1, -1):
+        valid = True
+        for dy in range(2):
+            for dx in range(2):
+                if piece[dx][dy] == 1 and board[x + dx][y + dy] == 1:
+                    valid = False
+                    break
+            if not valid:
+                break
+
+        if valid:
+            lowest = y
+        else:
+            break
+    return lowest
+
+def copy_board(board: list[list[int]]) -> list[list[int]]:
+    new_board: list[list[int]] = [
+        row.copy()
+        for row in board
+    ]
+    return new_board
+
+def playMinitris(
+    board_width: int,
+    board_height: int,
+    board: list[list[int]],
+    pieces: list[tuple[tuple[int,int], tuple[int,int]]],
+    path: list[tuple[int, int]]
+) -> Optional[list[tuple[int, int]]]:
+    if len(pieces) == 0:
+        for y in range(board_height):
+            row = []
+            for x in range(board_width):
+                row.append(board[x][y])
+
+            if row != [row[0]] * board_width:
+                return None
+        return path
+
+    first_piece: tuple[tuple[int, int], tuple[int, int]] = pieces[0]
+    rest: list[tuple[tuple[int, int], tuple[int, int]]] = pieces[1:]
+
+    x_min = 0
+    if first_piece[0][0] == 0 and first_piece[0][1] == 0:
+        x_min = -1
+
+    x_max = board_width - 2
+    if first_piece[1][0] == 0 and first_piece[1][1] == 0:
+        x_max = board_width - 1
+
+    for x in range(x_min, x_max + 1):
+        y = find_y(board, board_height, first_piece, x)
+        new_board = copy_board(board)
+        pos = (x, y)
+        path2 = path + [pos]
+        placeAt(pos, new_board, first_piece)
+
+        # If space below piece
+        if first_piece[0][1] == 1 and first_piece[1][1] and first_piece[0][0] != first_piece[1][0]:
+            if new_board[x][y] == 0 or new_board[x + 1][y] == 0:
+                return None
+
+        res: Optional[list[tuple[int, int]]] = playMinitris(board_width, board_height, new_board, rest, path2)
+        if res is not None:
+            return res
+
+    return None
+
+#   This is the function to fill
+def playMinitrisFastAndWell(
+    board_width: int,
+    board_height: int,
+    pieces: list[tuple[tuple[int,int], tuple[int,int]]]
+) -> list[list[int, int]]:
+    board: list[list[int]] = [
+        [0] * board_height
+        for _ in range(board_width)
+    ]
+    result: Optional[list[tuple[int, int]]] = playMinitris(
+        board_width,
+        board_height,
+        board,
+        pieces,
+        []
+    )
+    if result is None:
+        return []
+    return list(map(list, result))
+
+if __name__ == '__main__':
+    displayBoardSequence(3, 4, [((1, 0), (0, 0)), ((1, 0), (0, 0)), ((1, 0), (0, 0))], [(0, 0), (1, 0), (2, 0)])
+    displayBoardSequence(3, 4, [((1, 0), (0, 0)), ((1, 1), (0, 1)), ((1, 1), (0, 0))], [(1, 0), (0, 0), (2, 0)])
+
+    w = 3
+    h = 4
+    pieces = [((1, 0), (0, 0)), ((1, 0), (0, 0)), ((1, 0), (0, 0))]
+    seq = playMinitrisFastAndWell(w, h, pieces)
+    displayBoardSequence(w, h, pieces, seq)

tests/test_ex1.py

@@ -1,8 +1,26 @@
 import unittest
 
+from src.Ex1 import countKey
+
+
 class MyTestCase(unittest.TestCase):
     def test_simple1(self):
-        pass
+        self.assertEqual(
+            countKey([-3, 4, 2, 8, 9, 1, -3, -8, -4, 2, 8, 2, -8, 1, 3]),
+            4
+        )
+
+    def test_simple2(self):
+        self.assertEqual(
+            countKey([-4, 5, 6, -1500, 4, 7, 49, 60, -60, 82, -41, 1500, 1, -7]),
+            4
+        )
+
+    def test_simple3(self):
+        self.assertEqual(
+            countKey([-3, -2, -1, 1, 2, 5]),
+            2
+        )
 
 if __name__ == '__main__':
     unittest.main()

tests/test_ex2.py

@@ -1,8 +1,20 @@
 import unittest
 
+from src.Ex2 import findSafestPath
+
+
 class MyTestCase(unittest.TestCase):
     def test_simple1(self):
-        pass
+        self.assertEqual(
+            findSafestPath(0, 2, [(0, 1, -1), (1, 2, 0)]),
+            [0, 0, 1, 2]
+        )
+
+    def test_simple2(self):
+        self.assertEqual(
+            findSafestPath(0, 5, [(0,1,0), (0,2,1), (2,1,-1), (1,3,-1), (2,4,-1), (3,5,1), (3,4,0), (4,5,-1)]),
+            [0, 1, 3, 5]
+        )
 
 if __name__ == '__main__':
     unittest.main()

tests/test_ex3.py

@@ -1,8 +1,27 @@
 import unittest
 
+from src.Ex3 import findTightlyLinkedConsoles
+
+
 class MyTestCase(unittest.TestCase):
     def test_simple1(self):
-        pass
+        self.assertEqual(
+            findTightlyLinkedConsoles(3,[(0,1),(0,4),(2,1),(3,1),(4,2),(2,3)]),
+            [1,2,3]
+        )
+
+    def test_simple2(self):
+        self.assertEqual(
+            findTightlyLinkedConsoles(4,[(0,1),(0,4),(2,1),(3,1),(4,2),(2,3)]),
+            []
+        )
+
+    def test_simple3(self):
+        self.assertEqual(
+            findTightlyLinkedConsoles(4,[(0,1),(0,4),(2,1),(3,1),(4,2),(2,3),(1,4),(4,3)]),
+            [1,2,3,4]
+        )
+
 
 if __name__ == '__main__':
     unittest.main()

tests/test_ex4.py

@@ -1,8 +1,21 @@
 import unittest
 
+from src.Ex4 import computeNbrOfDifferentSequences
+
+
 class MyTestCase(unittest.TestCase):
     def test_simple1(self):
-        pass
+        self.assertEqual(
+            computeNbrOfDifferentSequences(1, 6, 3),
+            1
+        )
+
+    def test_simple2(self):
+        self.assertEqual(
+            computeNbrOfDifferentSequences(2, 6, 7),
+            6
+        )
+
 
 if __name__ == '__main__':
     unittest.main()

tests/test_ex5.py

@@ -1,8 +1,21 @@
 import unittest
 
+from src.Ex5 import playMinitrisFastAndWell
+
+
 class MyTestCase(unittest.TestCase):
     def test_simple1(self):
-        pass
+        self.assertEqual(
+            playMinitrisFastAndWell(3, 4, [((1, 0), (0, 0)), ((1, 0), (0, 0)), ((1, 0), (0, 0))]),
+            [[0, 0], [1, 0], [2, 0]]
+        )
+
+    def test_simple2(self):
+        self.assertEqual(
+            playMinitrisFastAndWell(3, 4, [((1, 0), (0, 0)), ((1, 1), (0, 1)), ((1, 1), (0, 0))]),
+            [[1, 0], [0, 0], [2, 0]]
+        )
+
 
 if __name__ == '__main__':
     unittest.main()