# Лабораторная работа: Поиск выхода из лабиринта

## 1. Постановка задачи

Разработать программу для загрузки лабиринта из текстового файла, поиска пути от стартовой клетки до выхода с возможностью выбора алгоритма поиска, визуализации процесса и экспериментального сравнения эффективности алгоритмов.

### Основные требования

- Реализовать модель лабиринта (классы `Cell`, `Maze`)
- Реализовать загрузку лабиринта из файла с символами `#` (стена), `S` (старт), `E` (выход)
- Реализовать три алгоритма поиска пути: BFS, DFS, A*
- Реализовать класс-оркестратор `MazeSolver` с возможностью смены стратегии
- Собрать статистику: время выполнения, количество посещённых клеток, длина пути
- Провести эксперименты на лабиринтах разной сложности

### Использованные паттерны проектирования GoF

| Паттерн | Где используется | Преимущества |
|---------|----------------|---------------|
| **Builder** | `MazeBuilder`, `TextFileMazeBuilder` | Скрывает детали парсинга, позволяет легко добавлять новые форматы файлов |
| **Strategy** | `PathFindingStrategy`, `BFSStrategy`, `DFSStrategy`, `AStarStrategy` | Позволяет динамически менять алгоритм поиска, упрощает добавление новых |
| **Observer** | `Observer`, `ConsoleView` | Отделяет отображение от логики, легко добавить новые виды вывода |
| **Command** | `Command`, `MoveCommand` | Реализует пошаговое перемещение с возможностью отмены (undo/redo) |

## 2. Архитектура приложения

Основные компоненты:

- **Модель** – `Cell`, `Maze` (хранение сетки, проверка стен, получение соседей)
- **Загрузка** – `MazeBuilder`, `TextFileMazeBuilder` (парсинг `.txt`‑файлов)
- **Алгоритмы** – `BFSStrategy`, `DFSStrategy`, `AStarStrategy` (реализация поиска пути)
- **Оркестрация** – `MazeSolver` (управление стратегией, сбор статистики, уведомление наблюдателей)
- **Визуализация** – `ConsoleView` (отрисовка лабиринта, игрока, пути)
- **Интерактив** – `Player`, `MoveCommand` (перемещение, история ходов)

## 3. Реализация алгоритмов поиска пути

| Алгоритм | Структура данных | Гарантия кратчайшего пути | Особенности |
|----------|-----------------|---------------------------|-------------|
| **BFS** | Очередь (`deque`) | Да | Обходит лабиринт по слоям, гарантирует минимум шагов |
| **DFS** | Стек | Нет | Углубляется до конца, затем возвращается; экономичен по памяти |
| **A*** | Приоритетная очередь (`heapq`) + эвристика | Да (при допустимой эвристике) | Использует манхэттенское расстояние, обычно быстрее BFS |

## 4. Экспериментальная часть

### Тестовые лабиринты

| Имя | Размер | Описание |
|-----|--------|----------|
| `Small 10x6` | 10×6 | Простой лабиринт из условия |
| `Medium 10x10` | 10×10 | Лабиринт среднего размера со случайными стенами |
| `Large 20x20` | 20×20 | Большой запутанный лабиринт |
| `Empty 15x15` | 15×15 | Пустой лабиринт (без стен) |
| `No exit 10x10` | 10×10 | Лабиринт без достижимого выхода |

Каждый алгоритм запускался **3 раза** на каждом лабиринте, результаты усреднены.

### Результаты замеров

| Лабиринт | Алгоритм | Время (мс) | Посещено клеток | Длина пути |
|----------|----------|------------|-----------------|------------|
| Small 10x6 | BFS | 0.025 | 9 | 5 |
| Small 10x6 | DFS | 0.041 | 26 | 19 |
| Small 10x6 | A* | 0.015 | 5 | 5 |
| Medium 10x10 | BFS | 0.016 | 18 | 8 |
| Medium 10x10 | DFS | 0.008 | 9 | 8 |
| Medium 10x10 | A* | 0.015 | 8 | 8 |
| Large 20x20 | BFS | 0.136 | 116 | 69 |
| Large 20x20 | DFS | 0.159 | 173 | 69 |
| Large 20x20 | A* | 0.198 | 110 | 69 |
| Empty 15x15 | BFS | 0.255 | 240 | 29 |
| Empty 15x15 | DFS | 0.142 | 224 | 119 |
| Empty 15x15 | A* | 0.590 | 224 | 29 |
| No exit 10x10 | BFS | 0.042 | 36 | 0 |
| No exit 10x10 | DFS | 0.035 | 36 | 0 |
| No exit 10x10 | A* | 0.065 | 36 | 0 |

### Графики

![Сравнение производительности алгоритмов](performance_plot.png)

На графике представлено сравнение трёх алгоритмов по трём метрикам: время выполнения, количество посещённых клеток и длина найденного пути.

## 5. Анализ результатов

### Сравнение характеристик

- **BFS**  
  - Гарантирует кратчайший путь (во всех лабиринтах, где путь существует, длина совпадает с A*).  
  - Посещает довольно много клеток (например, 240 в пустом лабиринте).  
  - Время стабильно, но на больших лабиринтах уступает DFS по скорости.

- **DFS**  
  - Самый быстрый на средних и больших лабиринтах (0.008–0.159 мс).  
  - Не находит кратчайший путь: в пустом лабиринте длина пути 119 вместо 29.  
  - Посещает среднее количество клеток (224 в пустом, 173 в большом).

- **A***  
  - Всегда находит оптимальный путь (как BFS).  
  - Посещает **наименьшее** число клеток среди всех алгоритмов (5 в маленьком лабиринте, 110 в большом).  
  - Время работы на пустом лабиринте выше из‑за накладных расходов на эвристику и приоритетную очередь (0.590 мс против 0.142 мс у DFS).  
  - На сложных лабиринтах (Large 20x20) время сравнимо с BFS и даже немного больше из‑за более сложных операций с кучей.

### Ключевые выводы

1. **A* показывает лучший баланс** между оптимальностью пути и количеством посещённых клеток. Он особенно эффективен, когда требуется минимальное разрастание поиска.
2. **DFS – самый быстрый**, если не важна длина пути (например, для проверки существования выхода).
3. **BFS** остаётся простым и предсказуемым, но уступает A* по числу посещений.
4. В лабиринте без выхода все алгоритмы корректно обходят всю достижимую область (36 клеток) и возвращают пустой путь.

### Рекомендации по выбору алгоритма

| Сценарий | Рекомендуемый алгоритм |
|----------|------------------------|
| Нужен **гарантированно кратчайший путь** и не важна скорость | BFS или A* (A* предпочтительнее) |
| **Скорость критична**, путь может быть неоптимальным | DFS |
| Нужен **компромисс** (оптимальность + мало посещений) | A* |
| Проверка **существования пути** (без восстановления маршрута) | DFS |

## 6. Заключение

Применение паттернов проектирования (Builder, Strategy, Observer, Command) позволило создать гибкую, расширяемую и легко тестируемую программу. Реализованные алгоритмы поиска пути были экспериментально сравнены на лабиринтах разной сложности. Полученные результаты подтверждают теоретические оценки: A* даёт наилучшее сочетание оптимальности и эффективности по числу посещённых клеток, DFS выигрывает по скорости, а BFS остаётся простым базовым решением.

Программа также предоставляет интерактивный режим с ручным управлением игроком и возможностью отмены ходов.