Merge pull request '[2] task2' (#255) from VildyaevAV/2026-rff_mp:VildyaevAV-task2 into develop

Reviewed-on: #255

VildyaevAV/docs/task2/builder.py

@@ -0,0 +1,66 @@
+from abc import ABC, abstractmethod
+
+from cell import Cell
+from maze import Maze
+
+
+class MazeBuilder(ABC):
+
+    @abstractmethod
+    def build_from_file(self, filename):
+        pass
+
+
+class TextFileMazeBuilder(MazeBuilder):
+
+    def build_from_file(self, filename):
+
+        with open(filename, "r", encoding="utf-8") as file:
+            lines = [line.rstrip("\n") for line in file]
+
+        height = len(lines)
+        width = len(lines[0])
+
+        cells = []
+
+        start = None
+        exit_cell = None
+
+        for y in range(height):
+
+            row = []
+
+            for x in range(width):
+
+                symbol = lines[y][x]
+
+                cell = Cell(x, y)
+
+                if symbol == "#":
+                    cell.is_wall = True
+
+                elif symbol == "S":
+                    cell.is_start = True
+                    start = cell
+
+                elif symbol == "E":
+                    cell.is_exit = True
+                    exit_cell = cell
+
+                row.append(cell)
+
+            cells.append(row)
+
+        if start is None:
+            raise ValueError("Start cell S not found")
+
+        if exit_cell is None:
+            raise ValueError("Exit cell E not found")        
+        
+        return Maze(
+            cells,
+            width,
+            height,
+            start,
+            exit_cell
+        )

VildyaevAV/docs/task2/cell.py

@@ -0,0 +1,11 @@
+class Cell:
+    def __init__(self, x, y, is_wall=False):
+        self.x = x
+        self.y = y
+
+        self.is_wall = is_wall
+        self.is_start = False
+        self.is_exit = False
+
+    def is_passable(self):
+        return not self.is_wall

VildyaevAV/docs/task2/main.py

@@ -0,0 +1,112 @@
+import csv
+
+from builder import TextFileMazeBuilder
+from strategies import BFSStrategy, DFSStrategy, AStarStrategy
+from solver import MazeSolver
+from observer import ConsoleView
+
+
+def print_path(maze, path):
+    path_coords = {(cell.x, cell.y) for cell in path}
+
+    for row in maze.cells:
+        line = ""
+
+        for cell in row:
+            if cell.is_wall:
+                line += "#"
+            elif cell.is_start:
+                line += "S"
+            elif cell.is_exit:
+                line += "E"
+            elif (cell.x, cell.y) in path_coords:
+                line += "*"
+            else:
+                line += " "
+
+        print(line)
+
+
+builder = TextFileMazeBuilder()
+
+maze_files = [
+    "docs/task2/mazes/small.txt",
+    "docs/task2/mazes/medium.txt",
+    "docs/task2/mazes/blocked.txt",
+    "docs/task2/mazes/large.txt",
+    "docs/task2/mazes/empty.txt",
+    "docs/task2/mazes/no_exit.txt"
+]
+
+strategies = [
+    BFSStrategy(),
+    DFSStrategy(),
+    AStarStrategy()
+]
+
+results = []
+
+for maze_file in maze_files:
+    print("\n======================")
+    print("Maze:", maze_file)
+
+    try:
+        maze = builder.build_from_file(maze_file)
+
+    except Exception as e:
+        print("Error:", e)
+        continue
+
+    for strategy in strategies:
+        print("\nStrategy:", strategy.__class__.__name__)
+
+        solver = MazeSolver(maze, strategy)
+
+        observer = ConsoleView()
+        solver.add_observer(observer)
+
+        runs = 5
+        total_time = 0
+        last_stats = None
+        last_path = []
+
+        for _ in range(runs):
+            stats, path = solver.solve()
+
+            total_time += stats.time_ms
+            last_stats = stats
+            last_path = path
+
+        average_time = total_time / runs
+
+        print("Average time ms:", round(average_time, 4))
+        print("Visited:", last_stats.visited_cells)
+        print("Path length:", last_stats.path_length)
+
+        if last_path:
+            print_path(maze, last_path)
+        else:
+            print("Path not found")
+
+        results.append([
+            maze_file,
+            strategy.__class__.__name__,
+            round(average_time, 4),
+            last_stats.visited_cells,
+            last_stats.path_length
+        ])
+
+with open("maze_results.csv", "w", newline="", encoding="utf-8") as file:
+    writer = csv.writer(file)
+
+    writer.writerow([
+        "maze",
+        "strategy",
+        "time_ms",
+        "visited_cells",
+        "path_length"
+    ])
+
+    writer.writerows(results)
+
+print("\nResults saved to maze_results.csv")

VildyaevAV/docs/task2/maze.py

@@ -0,0 +1,35 @@
+class Maze:
+    def __init__(self, cells, width, height, start, exit_cell):
+        self.cells = cells
+        self.width = width
+        self.height = height
+
+        self.start = start
+        self.exit = exit_cell
+
+    def get_cell(self, x, y):
+        if 0 <= y < self.height and 0 <= x < self.width:
+            return self.cells[y][x]
+
+        return None
+
+    def get_neighbors(self, cell):
+        directions = [
+            (0, -1),
+            (0, 1),
+            (-1, 0),
+            (1, 0)
+        ]
+
+        neighbors = []
+
+        for dx, dy in directions:
+            nx = cell.x + dx
+            ny = cell.y + dy
+
+            neighbor = self.get_cell(nx, ny)
+
+            if neighbor and neighbor.is_passable():
+                neighbors.append(neighbor)
+
+        return neighbors

VildyaevAV/docs/task2/maze_results.csv

@@ -0,0 +1,16 @@
+maze,strategy,time_ms,visited_cells,path_length
+docs/task2/mazes/small.txt,BFSStrategy,0.0228,10,7
+docs/task2/mazes/small.txt,DFSStrategy,0.0163,10,7
+docs/task2/mazes/small.txt,AStarStrategy,0.0252,10,7
+docs/task2/mazes/medium.txt,BFSStrategy,0.0238,18,0
+docs/task2/mazes/medium.txt,DFSStrategy,0.0257,18,0
+docs/task2/mazes/medium.txt,AStarStrategy,0.0344,18,0
+docs/task2/mazes/blocked.txt,BFSStrategy,0.0085,3,0
+docs/task2/mazes/blocked.txt,DFSStrategy,0.006,3,0
+docs/task2/mazes/blocked.txt,AStarStrategy,0.0059,3,0
+docs/task2/mazes/large.txt,BFSStrategy,0.0558,45,0
+docs/task2/mazes/large.txt,DFSStrategy,0.0522,45,0
+docs/task2/mazes/large.txt,AStarStrategy,0.0757,45,0
+docs/task2/mazes/empty.txt,BFSStrategy,0.0708,56,14
+docs/task2/mazes/empty.txt,DFSStrategy,0.039,49,28
+docs/task2/mazes/empty.txt,AStarStrategy,0.1058,56,14

VildyaevAV/docs/task2/mazes/blocked.txt

@@ -0,0 +1,5 @@
+#######
+#S# #E#
+# # # #
+# ### #
+#######

VildyaevAV/docs/task2/mazes/empty.txt

@@ -0,0 +1,9 @@
+##########
+#S       #
+#        #
+#        #
+#        #
+#        #
+#        #
+#       E#
+##########

VildyaevAV/docs/task2/mazes/large.txt

@@ -0,0 +1,11 @@
+####################
+#S     #     #     #
+##### ### ### ### ##
+#     #   #   #    #
+# ### # ##### ######
+# #   #     #      #
+# # ####### ###### #
+# #       #        #
+# ####### ######## #
+#       #        #E#
+####################

VildyaevAV/docs/task2/mazes/medium.txt

@@ -0,0 +1,7 @@
+############
+#S   #     #
+### ###### #
+#      #   #
+# #### # ###
+#    # #  E#
+############

VildyaevAV/docs/task2/mazes/no_exit.txt

@@ -0,0 +1,5 @@
+#######
+#S#   #
+# ### #
+#     #
+#######

VildyaevAV/docs/task2/mazes/small.txt

@@ -0,0 +1,5 @@
+#######
+#S   ##
+# ### #
+#    E#
+#######

VildyaevAV/docs/task2/observer.py

@@ -0,0 +1,14 @@
+from abc import ABC, abstractmethod
+
+
+class Observer(ABC):
+
+    @abstractmethod
+    def update(self, event):
+        pass
+
+
+class ConsoleView(Observer):
+
+    def update(self, event):
+        print(f"[Observer] {event}")

VildyaevAV/docs/task2/plot_results.py

@@ -0,0 +1,50 @@
+import pandas as pd
+import matplotlib.pyplot as plt
+
+df = pd.read_csv("maze_results.csv")
+
+mazes = df["maze"].unique()
+
+for maze in mazes:
+    maze_df = df[df["maze"] == maze]
+
+    plt.figure(figsize=(8, 5))
+
+    plt.bar(
+        maze_df["strategy"],
+        maze_df["time_ms"]
+    )
+
+    plt.title(f"Time for {maze}")
+    plt.ylabel("Time ms")
+    plt.xlabel("Strategy")
+
+    plt.tight_layout()
+
+    filename = maze.split("/")[-1].replace(".txt", "_time.png")
+    plt.savefig(filename)
+
+    plt.close()
+
+for maze in mazes:
+    maze_df = df[df["maze"] == maze]
+
+    plt.figure(figsize=(8, 5))
+
+    plt.bar(
+        maze_df["strategy"],
+        maze_df["visited_cells"]
+    )
+
+    plt.title(f"Visited cells for {maze}")
+    plt.ylabel("Visited cells")
+    plt.xlabel("Strategy")
+
+    plt.tight_layout()
+
+    filename = maze.split("/")[-1].replace(".txt", "_visited.png")
+    plt.savefig(filename)
+
+    plt.close()
+
+print("Graphs created")

VildyaevAV/docs/task2/solver.py

@@ -0,0 +1,50 @@
+import time
+
+
+class SearchStats:
+    def __init__(self, time_ms, visited_cells, path_length):
+        self.time_ms = time_ms
+        self.visited_cells = visited_cells
+        self.path_length = path_length
+
+
+class MazeSolver:
+    def __init__(self, maze, strategy):
+        self.maze = maze
+        self.strategy = strategy
+        self.observers = []
+
+    def set_strategy(self, strategy):
+        self.strategy = strategy
+
+    def add_observer(self, observer):
+        self.observers.append(observer)
+
+    def notify(self, event):
+        for observer in self.observers:
+            observer.update(event)
+
+    def solve(self):
+        self.notify("search_started")
+
+        start_time = time.perf_counter()
+
+        path, visited_cells = self.strategy.find_path(
+            self.maze,
+            self.maze.start,
+            self.maze.exit
+        )
+
+        end_time = time.perf_counter()
+
+        self.notify("search_finished")
+
+        time_ms = (end_time - start_time) * 1000
+
+        stats = SearchStats(
+            time_ms=time_ms,
+            visited_cells=visited_cells,
+            path_length=len(path)
+        )
+
+        return stats, path

VildyaevAV/docs/task2/strategies.py

@@ -0,0 +1,187 @@
+from abc import ABC, abstractmethod
+
+from collections import deque
+import heapq
+
+
+class PathFindingStrategy(ABC):
+
+    @abstractmethod
+    def find_path(self, maze, start, exit_cell):
+        pass
+
+
+class BFSStrategy(PathFindingStrategy):
+
+    def find_path(self, maze, start, exit_cell):
+
+        queue = deque([start])
+
+        visited = set()
+        visited.add((start.x, start.y))
+
+        parent = {}
+
+        while queue:
+
+            current = queue.popleft()
+
+            if current == exit_cell:
+                return self.restore_path(parent, start, exit_cell), len(visited)
+
+            for neighbor in maze.get_neighbors(current):
+
+                key = (neighbor.x, neighbor.y)
+
+                if key not in visited:
+
+                    visited.add(key)
+
+                    parent[key] = current
+
+                    queue.append(neighbor)
+
+        return [], len(visited)
+
+    def restore_path(self, parent, start, exit_cell):
+
+        path = []
+
+        current = exit_cell
+
+        while current != start:
+
+            path.append(current)
+
+            current = parent[(current.x, current.y)]
+
+        path.append(start)
+
+        path.reverse()
+
+        return path
+
+
+class DFSStrategy(PathFindingStrategy):
+
+    def find_path(self, maze, start, exit_cell):
+
+        stack = [start]
+
+        visited = set()
+        visited.add((start.x, start.y))
+
+        parent = {}
+
+        while stack:
+
+            current = stack.pop()
+
+            if current == exit_cell:
+                return self.restore_path(parent, start, exit_cell), len(visited)
+
+            for neighbor in maze.get_neighbors(current):
+
+                key = (neighbor.x, neighbor.y)
+
+                if key not in visited:
+
+                    visited.add(key)
+
+                    parent[key] = current
+
+                    stack.append(neighbor)
+
+        return [], len(visited)
+
+    def restore_path(self, parent, start, exit_cell):
+
+        path = []
+
+        current = exit_cell
+
+        while current != start:
+
+            path.append(current)
+
+            current = parent[(current.x, current.y)]
+
+        path.append(start)
+
+        path.reverse()
+
+        return path
+
+
+class AStarStrategy(PathFindingStrategy):
+
+    def heuristic(self, cell, exit_cell):
+
+        return abs(cell.x - exit_cell.x) + abs(cell.y - exit_cell.y)
+
+    def find_path(self, maze, start, exit_cell):
+
+        heap = []
+
+        heapq.heappush(heap, (0, start.x, start.y, start))
+
+        visited = set()
+
+        parent = {}
+
+        g_score = {
+            (start.x, start.y): 0
+        }
+
+        while heap:
+
+            _, _, _, current = heapq.heappop(heap)
+
+            key_current = (current.x, current.y)
+
+            if key_current in visited:
+                continue
+
+            visited.add(key_current)
+
+            if current == exit_cell:
+                return self.restore_path(parent, start, exit_cell), len(visited)
+
+            for neighbor in maze.get_neighbors(current):
+
+                key = (neighbor.x, neighbor.y)
+
+                tentative = g_score[key_current] + 1
+
+                if key not in g_score or tentative < g_score[key]:
+
+                    g_score[key] = tentative
+
+                    priority = tentative + self.heuristic(neighbor, exit_cell)
+
+                    heapq.heappush(
+                        heap,
+                        (priority, neighbor.x, neighbor.y, neighbor)
+                    )
+
+                    parent[key] = current
+
+        return [], len(visited)
+
+    def restore_path(self, parent, start, exit_cell):
+
+        path = []
+
+        current = exit_cell
+
+        while current != start:
+
+            path.append(current)
+
+            current = parent[(current.x, current.y)]
+
+        path.append(start)
+
+        path.reverse()
+
+        return path

VildyaevAV/docs/task2/task2_report.md

@@ -0,0 +1,243 @@
+# Отчет по заданию 2
+
+## Тема
+
+Реализация поиска пути в лабиринте с использованием паттернов проектирования и различных алгоритмов поиска.
+
+---
+
+# Цель работы
+
+Изучить применение ООП и паттернов проектирования при реализации алгоритмов поиска пути в лабиринте.
+
+Реализовать:
+- BFS
+- DFS
+- A*
+
+Сравнить эффективность алгоритмов по:
+- времени выполнения
+- количеству посещённых клеток
+- длине найденного пути
+
+---
+
+# Используемые паттерны
+
+## Builder
+Используется для загрузки лабиринта из файла.
+
+## Strategy
+Используется для переключения алгоритмов поиска пути.
+
+## Observer
+Используется для уведомлений о начале и окончании поиска.
+
+---
+
+# Структура проекта
+
+```text
+docs/task2/
+
+├── mazes/
+│   ├── small.txt
+│   ├── medium.txt
+│   ├── blocked.txt
+│   ├── no_exit.txt
+│   ├── large.txt
+│   └── empty.txt
+│
+├── cell.py
+├── maze.py
+├── builder.py
+├── strategies.py
+├── solver.py
+├── observer.py
+├── main.py
+├── plot_results.py
+├── maze_results.csv
+└── task2_report.md
+```
+
+---
+
+# UML диаграмма
+
+В проекте была построена UML-диаграмма классов с использованием Mermaid.
+
+![alt text](image.png)
+
+---
+
+# Описание классов
+
+## Cell
+Класс клетки лабиринта.
+
+Хранит:
+- координаты
+- тип клетки
+- признаки стены, старта и выхода
+
+---
+
+## Maze
+Класс лабиринта.
+
+Содержит:
+- двумерный массив клеток
+- размеры лабиринта
+- стартовую клетку
+- выход
+
+---
+
+## TextFileMazeBuilder
+Загружает лабиринт из текстового файла.
+
+---
+
+## BFSStrategy
+Алгоритм поиска в ширину.
+
+Находит кратчайший путь.
+
+---
+
+## DFSStrategy
+Алгоритм поиска в глубину.
+
+Работает быстро, но путь может быть не кратчайшим.
+
+---
+
+## AStarStrategy
+Эвристический алгоритм поиска.
+
+Использует манхэттенское расстояние.
+
+---
+
+## MazeSolver
+Основной класс-оркестратор.
+
+Запускает алгоритм поиска и собирает статистику.
+
+---
+
+# Результаты экспериментов
+
+Результаты сохраняются в файл:
+
+```text
+maze_results.csv
+```
+
+Проводилось сравнение:
+- времени работы
+- количества посещённых клеток
+- длины пути
+
+## Таблица результатов
+
+| Лабиринт | Алгоритм | Время (мс) | Посещено клеток | Длина пути |
+|---|---|---|---|---|
+| small | BFS | 0.0396 | 10 | 7 |
+| small | DFS | 0.0251 | 10 | 7 |
+| small | A* | 0.0359 | 10 | 7 |
+| medium | BFS | 0.0312 | 18 | 0 |
+| medium | DFS | 0.0277 | 18 | 0 |
+| medium | A* | 0.0359 | 18 | 0 |
+| blocked | BFS | 0.0123 | 3 | 0 |
+| blocked | DFS | 0.0089 | 3 | 0 |
+| blocked | A* | 0.0133 | 3 | 0 |
+| large | BFS | 0.0602 | 45 | 0 |
+| large | DFS | 0.0509 | 45 | 0 |
+| large | A* | 0.0682 | 45 | 0 |
+| empty | BFS | 0.0711 | 56 | 14 |
+| empty | DFS | 0.0419 | 49 | 28 |
+| empty | A* | 0.1144 | 56 | 14 |
+
+---
+
+## Графики
+
+### Время выполнения
+
+![blocked](blocked_time.png)
+
+![small](small_time.png)
+
+![medium](medium_time.png)
+
+![large](large_time.png)
+
+![empty](empty_time.png)
+
+---
+
+### Количество посещённых клеток
+
+![blocked](blocked_visited.png)
+
+![small](small_visited.png)
+
+![medium](medium_visited.png)
+
+![large](large_visited.png)
+
+![empty](empty_visited.png)
+---
+
+# Графики
+
+Построены графики:
+- времени выполнения
+- количества посещённых клеток
+
+Для каждого лабиринта.
+
+---
+
+# Анализ эффективности алгоритмов
+
+В ходе экспериментов были сравнены алгоритмы BFS, DFS и A* на лабиринтах различной сложности.
+
+## BFS
+
+Алгоритм BFS гарантированно находит кратчайший путь, однако может посещать большое количество клеток. На больших лабиринтах время работы увеличивается.
+
+## DFS
+
+DFS работает быстрее других алгоритмов, так как уходит в глубину и не исследует все возможные пути. Однако найденный путь может быть не кратчайшим.
+
+## A*
+
+Алгоритм A* использует эвристику и старается двигаться к выходу наиболее оптимальным образом. На простых лабиринтах показывает хорошие результаты, однако на некоторых картах из-за вычисления эвристики работает медленнее DFS.
+
+## Вывод по экспериментам
+
+- DFS показал наименьшее время выполнения.
+- BFS обеспечивает поиск кратчайшего пути.
+- A* хорошо подходит для сложных лабиринтов с большим количеством вариантов движения.
+- На лабиринтах без выхода все алгоритмы посещают примерно одинаковое количество клеток.
+
+# Выводы
+
+В ходе работы была реализована система поиска пути в лабиринте с использованием объектно-ориентированного подхода и паттернов проектирования.
+
+Были использованы паттерны:
+
+- Builder — для загрузки лабиринта из файла.
+- Strategy — для переключения алгоритмов поиска пути.
+- Observer — для уведомлений о событиях поиска.
+
+Использование паттернов позволило сделать архитектуру гибкой и расширяемой.
+
+Например:
+- можно легко добавить новый алгоритм поиска пути;
+- можно реализовать другой способ загрузки лабиринта;
+- можно подключить новые способы отображения информации.
+
+Без применения паттернов код был бы более связанным и сложным для расширения и поддержки.