{
"llm" : {
"feedback" : "Exercise: fractal\n\n### 1. Correctness\n- In `Boxes` ist die rekursive Zeichenlogik in `drawRec(...)` nicht implementiert, damit erfüllt die Klasse die Aufgabenanforderung (“Implementiere die draw Methoden …”) nicht.\n- In `Triangles` ist die rekursive Zeichenlogik in `drawRec(...)` nicht implementiert, damit erfüllt die Klasse die Aufgabenanforderung nicht.\n\n### 2. Suggestion\n- Für `Boxes`: Überlege dir eine klare Abbruchbedingung für `n` (z.B. bei `n == 0`) und zeichne in jedem Rekursionsschritt ein Rechteck; danach rufst du `drawRec` für die “Teil-Boxen” mit angepasster Position und kleinerer Seitenlänge auf.\n- Für `Boxes`: Prüfe, wie du `s` (Seitenlänge) pro Rekursionsstufe sinnvoll verkleinerst (z.B. durch Teilen) und wie sich `x`/`y` entsprechend verschieben müssen, damit die Boxen an den richtigen Stellen landen.\n- Für `Triangles`: Setze ebenfalls eine Abbruchbedingung auf `n` und zeichne im aktuellen Schritt erst das Dreieck (mit drei `drawLine`-Aufrufen), bevor du rekursiv weiterzeichnest.\n- Für `Triangles`: Für die Rekursion brauchst du neue Eckpunkte für kleinere Dreiecke; ein typischer Ansatz ist, aus den drei gegebenen Punkten Zwischenpunkte (z.B. Mittelpunkte von Kanten) zu berechnen und damit die Unterdreiecke zu definieren.\n\n### 3. Code Style\n- In beiden Klassen stehen noch `// TODO implement`-Kommentare; sobald du implementierst, entferne/aktualisiere diese, damit klar ist, was erledigt ist und was nicht.\n\n\nExercise: knapsack\n\n1. Correctness\n- Die zentrale Logik für das n-fache Mitnehmen ist nicht implementiert: `pack`, `packItem` und `unpackItem` sind leer, dadurch kann `solve()` nie ein korrektes Optimum berechnen (es bleibt immer bei `0`).\n- `maxN` wird aktuell nirgends berücksichtigt, damit wird die Anforderung „Gegenstände bis zu n‑Mal mitnehmen“ nicht umgesetzt.\n\n2. Suggestion\n- Überlege dir eine rekursive/iterative Struktur, in der du pro Gegenstand nicht nur „nehmen/liegen lassen“ entscheidest, sondern wie oft du ihn nimmst (z.B. 0 bis `maxN`) und dabei die Gewichtsgrenze einhältst.\n- Achte darauf, dass du beim Durchprobieren eines Gegenstands den aktuellen Zustand (`currWeight`, `currValue`) konsistent veränderst und danach wieder zurücksetzt, bevor du die nächste Variante testest.\n- Stelle sicher, dass du das bisher beste Ergebnis (`maxValue`) aktualisierst, sobald du entweder alle Gegenstände betrachtet hast oder keine weitere sinnvolle Auswahl mehr möglich ist.\n\n3. Code Style\n- In `KnapsackImpl` sind Methoden als Platzhalter vorhanden, aber ohne Implementierung; entweder implementieren oder (wenn du anders vorgehst) entfernen, damit die Struktur klar bleibt.\n- `currWeight`, `currValue`, `maxValue` sind globale Felder für den Suchzustand; das ist ok, aber fehleranfällig—wenn du sie so nutzt, achte besonders auf sauberes Zurücksetzen beim Backtracking (sonst schwer zu debuggen).\n\n\nExercise: queens\n\n1. Correctness\n- `solve()` ist nicht implementiert und liefert immer `false`, damit wird keine Backtracking-Lösung gefunden und das Board wird nie befüllt.\n- `count()` ist nicht implementiert und liefert immer `0`, damit wird die Anzahl möglicher Lösungen nicht gezählt.\n\n2. Suggestion\n- Für `solve()`: Überlege dir eine rekursive Backtracking-Funktion, die zeilenweise (oder spaltenweise) eine Dame setzt, bei jedem Versuch `checkPlacement(row, col)` nutzt und bei einem Fehlschlag den Zug wieder rückgängig macht.\n- Für `count()`: Nutze eine ähnliche Rekursion wie bei `solve()`, aber statt beim ersten Fund abzubrechen, zählst du jede vollständige Platzierung (Basisfall: alle Zeilen belegt) und sammelst die Summe über alle möglichen Spaltenpositionen.\n\n3. Code Style\n- In `BoardPrinter.printLine`: `if (board[row][col] == true)` ist unnötig ausführlich; der direkte boolean-Ausdruck ist lesbarer.\n- In der Abgabe sind `BoardChecker`, `BoardPrinter` und `Queens` unverändert zur Vorlage enthalten; wenn nur `QueensSolver` gefordert ist, würde ich nur die geänderten Dateien abgeben (je nach Abgaberegeln).\n\n\nExercise: sudoku\n\n### 1. Correctness\n- `solved(SudokuModel model)` ist nicht gemäss Aufgabenstellung implementiert: deine rekursive Hilfsmethode gibt immer `false` zurück und löst das Sudoku nie.\n- `nofSolutions(SudokuModel model)` ist nicht gemäss Aufgabenstellung implementiert: deine Hilfsmethode gibt immer `0` zurück und zählt keine Lösungen.\n- Die Anforderung „bei `solved`: wenn keine Lösung gefunden wird, muss das Modell auf den Initialzustand zurückgesetzt werden“ ist aktuell nicht erfüllt (es gibt noch keine Logik, die den Zustand sichert und bei Fehlschlag wiederherstellt).\n- Die Anforderung „bei `nofSolutions`: das Modell wird am Ende auf den Initialzustand zurückgesetzt“ ist aktuell nicht erfüllt.\n\n### 2. Suggestion\n- Für `solved`: Überlege dir eine Rekursionsbasis für `fieldNr`: Was bedeutet es, wenn du alle Felder verarbeitet hast? Und wie findest du aus `fieldNr` die Koordinaten `(i, j)` im Grid?\n- Für `solved`: Wenn ein Feld bereits belegt ist (`model.get(i,j) != 0`), solltest du in der Rekursion typischerweise einfach zum nächsten Feld weitergehen, statt dort Werte auszuprobieren.\n- Für `solved`: Für leere Felder brauchst du eine Schleife über mögliche Kandidatenwerte `1..model.size()`. Nach jedem `set` solltest du mit dem `checker` prüfen, ob der Zug gültig ist, bevor du tiefer gehst; wenn der Rekursionsaufruf scheitert, musst du das Feld wieder leeren (Backtracking).\n- Für das „Reset auf Initialzustand“: Speichere vor dem Start den Ausgangszustand (z.B. welche Felder ursprünglich belegt waren und mit welchen Werten), damit du nach einem Fehlschlag bzw. nach dem Zählen alles wieder genau zurücksetzen kannst.\n- Für `nofSolutions`: Das ist ähnlich wie `solved`, nur dass du nicht beim ersten Fund stoppst, sondern einen Zähler erhöhst, wenn du eine vollständige Lösung erreichst. Zusätzlich musst du abbrechen, sobald du `MAX` (bzw. dein `max`-Argument) erreicht hast.\n- Für `nofSolutions`: Achte darauf, dass du nach dem Finden einer Lösung trotzdem weiter sauber zurückbacktrackst (Feld wieder leeren), sonst beeinflusst eine gefundene Lösung die Suche nach weiteren.\n\n### 3. Code Style\n- In `SudokuSolverImpl` stehen noch `// TODO implement`-Marker; wenn du fertig bist, entferne diese oder ersetze sie durch kurze, erklärende Kommentare zur Backtracking-Logik.\n- Die beiden privaten Methoden `solved(model, fieldNr)` und `nofSolutions(model, fieldNr, max)` sind gute Ansätze; wenn es unübersichtlich wird, könntest du kleine Hilfsmethoden (z.B. Umrechnung `fieldNr -> (i,j)` oder „nächstes leeres Feld finden“) auslagern, um die Lesbarkeit zu erhöhen.\n",
"status" : "SUCCESS"
},
"unitTest" : {
"tests" : [ {
"name" : "allZero()",
"status" : "PASSED",
"message" : null
}, {
"name" : "uselessStuff()",
"status" : "PASSED",
"message" : null
}, {
"name" : "random1()",
"status" : "FAILED",
"message" : "expected: <190> but was: <0>"
}, {
"name" : "random2()",
"status" : "FAILED",
"message" : "expected: <340> but was: <0>"
}, {
"name" : "random3()",
"status" : "FAILED",
"message" : "expected: <558> but was: <0>"
} ]
}
}