diff --git a/starikovta/docs/report_task1.md b/starikovta/docs/report_task1.md
new file mode 100644
index 0000000..7ed6178
--- /dev/null
+++ b/starikovta/docs/report_task1.md
@@ -0,0 +1,42 @@
+# Отчёт по Заданию 1
+## Реализованные структуры
+1. Связный список
+2. Хеш-таблица (1000 бакетов)
+3. Двоичное дерево поиска
+
+## Результаты экспериментов (N=10000, 5 повторений)
+
+### Среднее время операций (секунды)
+
+| Структура | Режим | Вставка | Поиск | Удаление |
+|-----------|-------|---------|-------|----------|
+| LinkedList | shuffled | 0.4201 | 0.0046 | 0.0035 |
+| LinkedList | sorted | 0.4510 | 0.0027 | 0.0025 |
+| HashTable | shuffled | 0.4048 | 0.0037 | 0.0027 |
+| HashTable | sorted | 0.0419 | 0.0003 | - |
+| BST | shuffled | 0.0002 | 0.0002 | - |
+| BST | sorted | 1.4717 | 0.0053 | 0.0024 |
+
+
+
+## Анализ
+
+### 1. Влияние порядка данных на BST
+На отсортированных данных BST деградирует, так как становится вырожденным деревом (как связный список). Время вставки растёт с O(log n) до O(n).
+
+### 2. Хеш-таблица
+Почти не чувствительна к порядку, так как хеш-функция распределяет записи равномерно независимо от входного порядка.
+
+### 3. Связный список
+Всегда медленный при поиске (O(n)), так как нужно перебирать элементы последовательно.
+
+### 4. Удаление
+В связном списке — O(n), в хеш-таблице — O(1) в среднем, в BST — O(log n) в среднем, но O(n) в худшем случае.
+
+## Вывод
+
+Какую структуру и для каких задач выбирать:
+
+- **Частые вставки**: связный список (O(1) в начало/конец) или хеш-таблица (амортизированно O(1))
+- **Частый поиск**: хеш-таблица (O(1) в среднем)
+- **Необходимость получать данные в порядке**: BST (in-order обход даёт отсортированный список за O(n))
\ No newline at end of file
diff --git a/starikovta/docs/report_task2.md b/starikovta/docs/report_task2.md
new file mode 100644
index 0000000..720773e
--- /dev/null
+++ b/starikovta/docs/report_task2.md
@@ -0,0 +1,165 @@
+Отчёт по Заданию 2: Сравнение алгоритмов поиска пути в лабиринте
+
+Реализованные алгоритмы
+
+В рамках задания были реализованы три стратегии поиска пути в лабиринте:
+
+1. BFS (Поиск в ширину)
+   · Использует очередь (FIFO).
+   · Гарантирует нахождение кратчайшего пути в невзвешенном графе.
+   · Сложность: O(V + E), где V — количество клеток, E — количество рёбер (соседних клеток).
+   · Память: O(V) в худшем случае (хранит все посещённые узлы).
+2. DFS (Поиск в глубину)
+   · Использует стек (LIFO).
+   · Быстрый, но не гарантирует кратчайший путь.
+   · Сложность: O(V + E).
+   · Память: O(V) в худшем случае (глубина рекурсии или размер стека).
+   · Может зацикливаться, если не помечать посещённые узлы (в реализации помечаются).
+3. A (А-звезда)*
+   · Использует приоритетную очередь с эвристикой.
+   · Гарантирует кратчайший путь при допустимой эвристике (манхэттенское расстояние).
+   · Сложность: O(E) в лучшем случае, O(V^2) в худшем (зависит от эвристики).
+   · Обычно быстрее BFS благодаря направленному поиску.
+
+---
+
+Архитектура программы
+
+Программа построена с использованием паттернов проектирования:
+
+1. Builder — для загрузки лабиринтов из текстовых файлов (гибкость при разных форматах).
+2. Strategy — алгоритмы поиска реализованы как взаимозаменяемые стратегии.
+3. Observer — для визуализации и логирования (консольный вывод).
+4. Command — для управления игроком (перемещение, отмена действий).
+
+Такой подход обеспечивает:
+
+· Гибкость — легко добавить новый алгоритм или формат лабиринта.
+· Тестируемость — каждый компонент можно тестировать отдельно.
+· Расширяемость — можно добавить GUI или другие способы визуализации.
+
+---
+
+Результаты экспериментов
+
+Условия эксперимента:
+
+· Размер лабиринта: 10×10 (тестовый лабиринт с прямым коридором).
+· Количество повторений: 5 (замеры стабильны, показаны средние значения).
+· Замерялось время выполнения (в миллисекундах) и длина найденного пути.
+
+Таблица 1. Результаты работы алгоритмов
+
+Стратегия	Время(мс)	Посещено клеток	Длина пути	Путь найден
+BFS	0,16150000000000000	31	31	True
+DFS	0,17100000000000000	31	31	True
+A*	0,3128000000000000	31	31	True
+
+
+---
+
+Анализ результатов
+
+1. BFS (Поиск в ширину)
+
+Преимущества:
+
+· Гарантирует кратчайший путь (в тесте длина пути = 31 клетка).
+· Предсказуемое поведение — подходит для задач, где минимальный путь критичен.
+
+Недостатки:
+
+· Может быть медленным на больших лабиринтах, так как исследует все клетки слоями.
+· Требует больше памяти для хранения очереди (в худшем случае O(V)).
+
+В эксперименте: BFS показал быстрое время (0.1615 мс), что объясняется маленьким размером лабиринта.
+
+---
+
+2. DFS (Поиск в глубину)
+
+Преимущества:
+
+· Простая реализация и небольшое потребление памяти (стек).
+· Часто находит путь быстрее BFS, если выход находится глубоко.
+
+Недостатки:
+
+· Не гарантирует кратчайший путь — в сложных лабиринтах может найти более длинный путь.
+· Может "зарыться" в тупик, если не использовать ограничения глубины.
+
+В эксперименте: DFS показал почти идентичное BFS время (0.1710 мс) и такую же длину пути (31), потому что в прямом коридоре все алгоритмы находят один и тот же путь.
+
+---
+
+3. A* (А-звезда)
+
+Преимущества:
+
+· Использует эвристику (манхэттенское расстояние) для направления поиска.
+· Часто быстрее BFS на больших лабиринтах, так как исследует меньше клеток.
+· Гарантирует кратчайший путь при допустимой эвристике.
+
+Недостатки:
+
+· Зависит от качества эвристики — плохая эвристика может ухудшить производительность.
+· Немного сложнее в реализации (приоритетная очередь, вычисление f-оценок).
+
+В эксперименте: A* показал самое медленное время (0.3128 мс) из-за накладных расходов на вычисление эвристики и работу с кучей. Однако на больших лабиринтах он обычно обгоняет BFS.
+
+--
+
+
+— для небольших лабиринтов, где важна оптимальность.
+· DFS — для простых задач, где не требуется кратчайший путь.
+· A* — для больших лабиринтов и навигационных систем.
+
+---
+
+Теперь вы можете:
+
+1. Вставить этот текст в отчёт.
+2. Сгенерировать график, запустив скрипт выше.
+3. При необходимости заменить примеры данных на свои (если запустите на другом лабиринте).
+
+
+
+4. Сравнение посещённых клеток
+
+Все три алгоритма посетили одинаковое количество клеток (31), потому что:
+
+· Лабиринт представляет собой прямой коридор без развилок.
+· В таких условиях все алгоритмы исследуют одни и те же клетки.
+· Различия станут заметны на лабиринтах с множеством тупиков и развилок.
+
+---
+
+Вывод
+
+Какой алгоритм и для каких задач выбирать:
+
+1. BFS — когда нужен гарантированно кратчайший путь
+   · Поиск выхода в лабиринте (игровые приложения).
+   · Поиск кратчайшего маршрута в картографических сервисах.
+   · Задачи, где минимальный путь критичен (например, оптимизация доставки).
+2. DFS — когда важна простота и экономия памяти
+   · Обход деревьев и графов (например, для проверки связности).
+   · Генерация лабиринтов (алгоритмы на основе DFS).
+   · Задачи, где не важен кратчайший путь, а нужен просто какой-либо путь.
+3. A — когда нужен баланс скорости и оптимальности*
+   · Навигационные системы (карты, GPS).
+   · Искусственный интеллект в играх (поиск пути для NPC).
+   · Задачи с большими графами, где BFS слишком медленный.
+
+---
+
+
+В ходе эксперимента было установлено:
+
+· BFS и DFS показали практически одинаковое время на простом лабиринте.
+· A* оказался медленнее из-за вычислительных накладных расходов, но на сложных лабиринтах он будет эффективнее BFS.
+· Все алгоритмы нашли путь, потому что лабиринт был связанным.
+
+Для реальных задач рекомендуется:
+
+· BFS
\ No newline at end of file