diff --git a/BoriskovaDV/docs/data/2-nd-exercise/experiment_results.csv b/BoriskovaDV/docs/data/2-nd-exercise/experiment_results.csv
new file mode 100644
index 0000000..03f0486
--- /dev/null
+++ b/BoriskovaDV/docs/data/2-nd-exercise/experiment_results.csv
@@ -0,0 +1,16 @@
+maze,strategy,time_ms,visited_cells,path_length
+Small 10x6,BFS,0.05722500009142095,25.0,16.0
+Small 10x6,DFS,0.05680966667872175,24.0,16.0
+Small 10x6,AStar,0.04801966664066034,23.0,16.0
+Medium 10x10,BFS,0.04772166676048073,47.0,16.0
+Medium 10x10,DFS,0.034641333362136116,44.0,30.0
+Medium 10x10,AStar,0.0983669999641279,47.0,16.0
+Large 20x20,BFS,0.09949400002066493,100.0,36.0
+Large 20x20,DFS,0.07004933331700158,75.0,68.0
+Large 20x20,AStar,0.16450733316257052,85.0,36.0
+Empty 15x15,BFS,0.13264433331035738,133.0,17.0
+Empty 15x15,DFS,0.11371733338213137,161.0,89.0
+Empty 15x15,AStar,0.1543506666621397,65.0,17.0
+No exit 10x10,BFS,0.04392100011803753,25.0,0.0
+No exit 10x10,DFS,0.05871466661725814,25.0,0.0
+No exit 10x10,AStar,0.046440666665148456,25.0,0.0
diff --git a/BoriskovaDV/docs/data/2-nd-exercise/main.py b/BoriskovaDV/docs/data/2-nd-exercise/main.py
new file mode 100644
index 0000000..2baa9c2
--- /dev/null
+++ b/BoriskovaDV/docs/data/2-nd-exercise/main.py
@@ -0,0 +1,438 @@
+import sys
+import os
+from collections import deque
+import heapq
+import time
+import csv
+import matplotlib.pyplot as plt
+import numpy as np
+
+class GridPoint:
+    def __init__(self, x, y):
+        self.x = x
+        self.y = y
+        self.blocked = False
+        self.is_start = False
+        self.is_exit = False
+
+    def can_step(self):
+        return not self.blocked
+
+class Labyrinth:
+    def __init__(self, w, h):
+        self.w = w
+        self.h = h
+        self.grid = [[GridPoint(x, y) for x in range(w)] for y in range(h)]
+        self.start_point = None
+        self.exit_point = None
+
+    def get_point(self, x, y):
+        if 0 <= x < self.w and 0 <= y < self.h:
+            return self.grid[y][x]
+        return None
+
+    def set_point(self, x, y, typ):
+        p = self.get_point(x, y)
+        if not p:
+            return
+        if typ == 'wall':
+            p.blocked = True
+        elif typ == 'start':
+            if self.start_point:
+                self.start_point.is_start = False
+            p.is_start = True
+            p.blocked = False
+            self.start_point = p
+        elif typ == 'exit':
+            if self.exit_point:
+                self.exit_point.is_exit = False
+            p.is_exit = True
+            p.blocked = False
+            self.exit_point = p
+        elif typ == 'path':
+            p.blocked = False
+
+    def neighbors(self, p):
+        dirs = [(0, -1), (0, 1), (-1, 0), (1, 0)]
+        res = []
+        for dx, dy in dirs:
+            nx, ny = p.x + dx, p.y + dy
+            nb = self.get_point(nx, ny)
+            if nb and nb.can_step():
+                res.append(nb)
+        return res
+
+class MazeLoader:
+    def load(self, filename):
+        raise NotImplementedError
+
+class TextMazeLoader(MazeLoader):
+    def load(self, filename):
+        with open(filename, 'r') as f:
+            lines = [line.rstrip('\n') for line in f]
+        h = len(lines)
+        w = max(len(line) for line in lines) if h > 0 else 0
+        start_cnt = 0
+        exit_cnt = 0
+        lab = Labyrinth(w, h)
+
+        for y, line in enumerate(lines):
+            for x, ch in enumerate(line):
+                if ch == '#':
+                    lab.set_point(x, y, 'wall')
+                elif ch == 'S':
+                    lab.set_point(x, y, 'start')
+                    start_cnt += 1
+                elif ch == 'E':
+                    lab.set_point(x, y, 'exit')
+                    exit_cnt += 1
+                else:
+                    lab.set_point(x, y, 'path')
+        if start_cnt != 1 or exit_cnt != 1:
+            raise ValueError(f"Need exactly one S and one E. Found S={start_cnt}, E={exit_cnt}")
+        return lab
+
+class SearchAlgorithm:
+    def find_way(self, lab, start, goal):
+        raise NotImplementedError
+
+    def _build_path(self, prev, start, goal):
+        path = []
+        cur = goal
+        while cur:
+            path.append(cur)
+            cur = prev.get(cur)
+        path.reverse()
+        return path
+
+    def get_visited(self):
+        return getattr(self, '_visited', 0)
+
+class BreadthFirst(SearchAlgorithm):
+    def find_way(self, lab, start, goal):
+        q = deque([start])
+        prev = {start: None}
+        seen = {start}
+        while q:
+            cur = q.popleft()
+            if cur == goal:
+                self._visited = len(seen)
+                return self._build_path(prev, start, goal)
+            for nb in lab.neighbors(cur):
+                if nb not in seen:
+                    seen.add(nb)
+                    prev[nb] = cur
+                    q.append(nb)
+        self._visited = len(seen)
+        return []
+
+class DepthFirst(SearchAlgorithm):
+    def find_way(self, lab, start, goal):
+        stack = [start]
+        prev = {start: None}
+        seen = {start}
+        while stack:
+            cur = stack.pop()
+            if cur == goal:
+                self._visited = len(seen)
+                return self._build_path(prev, start, goal)
+            for nb in lab.neighbors(cur):
+                if nb not in seen:
+                    seen.add(nb)
+                    prev[nb] = cur
+                    stack.append(nb)
+        self._visited = len(seen)
+        return []
+
+class AStar(SearchAlgorithm):
+    def _dist(self, a, b):
+        return abs(a.x - b.x) + abs(a.y - b.y)
+
+    def find_way(self, lab, start, goal):
+        heap = []
+        cnt = 0
+        start_f = self._dist(start, goal)
+        heapq.heappush(heap, (start_f, cnt, start))
+        cnt += 1
+        prev = {}
+        g = {start: 0}
+        f = {start: start_f}
+        seen = set()
+        while heap:
+            cur_f, _, cur = heapq.heappop(heap)
+            seen.add(cur)
+            if cur == goal:
+                self._visited = len(seen)
+                return self._build_path(prev, start, goal)
+            if cur_f > f.get(cur, float('inf')):
+                continue
+            for nb in lab.neighbors(cur):
+                new_g = g[cur] + 1
+                if new_g < g.get(nb, float('inf')):
+                    prev[nb] = cur
+                    g[nb] = new_g
+                    new_f = new_g + self._dist(nb, goal)
+                    f[nb] = new_f
+                    heapq.heappush(heap, (new_f, cnt, nb))
+                    cnt += 1
+        self._visited = len(seen)
+        return []
+
+class LabyrinthSolver:
+    def __init__(self, lab):
+        self.lab = lab
+        self.algorithm = None
+
+    def set_algorithm(self, algo):
+        self.algorithm = algo
+
+    def solve(self):
+        if not self.algorithm:
+            return None
+        t0 = time.perf_counter()
+        path = self.algorithm.find_way(self.lab, self.lab.start_point, self.lab.exit_point)
+        t1 = time.perf_counter()
+        ms = (t1 - t0) * 1000
+        return ms, self.algorithm.get_visited(), len(path)
+
+class Player:
+    def __init__(self, start, lab):
+        self.current = start
+        self.last = None
+        self.lab = lab
+
+    def move(self, cell):
+        if cell and cell.can_step():
+            self.last = self.current
+            self.current = cell
+            return True
+        return False
+
+    def undo(self):
+        if self.last:
+            self.current, self.last = self.last, None
+            return True
+        return False
+
+class Command:
+    def do(self):
+        raise NotImplementedError
+    def revert(self):
+        raise NotImplementedError
+
+class MoveCommand(Command):
+    def __init__(self, player, dx, dy, lab):
+        self.player = player
+        self.dx = dx
+        self.dy = dy
+        self.lab = lab
+        self.done = False
+
+    def do(self):
+        nx = self.player.current.x + self.dx
+        ny = self.player.current.y + self.dy
+        target = self.lab.get_point(nx, ny)
+        if target and target.can_step():
+            self.player.move(target)
+            self.done = True
+            return True
+        return False
+
+    def revert(self):
+        if self.done:
+            self.player.undo()
+            self.done = False
+            return True
+        return False
+
+class InteractiveView:
+    def __init__(self, lab, player):
+        self.lab = lab
+        self.player = player
+
+    def render(self):
+        os.system('cls' if os.name == 'nt' else 'clear')
+        print("=" * (self.lab.w * 2 + 4))
+        print("   LABYRINTH (P = player)")
+        print("=" * (self.lab.w * 2 + 4))
+        for y in range(self.lab.h):
+            print("  ", end='')
+            for x in range(self.lab.w):
+                p = self.lab.get_point(x, y)
+                if self.player.current == p:
+                    print('P', end=' ')
+                elif p == self.lab.start_point:
+                    print('S', end=' ')
+                elif p == self.lab.exit_point:
+                    print('E', end=' ')
+                elif p.blocked:
+                    print('#', end=' ')
+                else:
+                    print('.', end=' ')
+            print()
+        print("=" * (self.lab.w * 2 + 4))
+        print(f"  Position: ({self.player.current.x},{self.player.current.y})")
+        print("  Controls: h(left) j(down) k(up) l(right)  u=undo  q=quit")
+        print("  Auto-search: b=BFS  d=DFS  a=A*")
+
+def run_experiment(maze_file, algo, runs=5):
+    loader = TextMazeLoader()
+    lab = loader.load(maze_file)
+    total_ms = 0
+    total_visited = 0
+    total_len = 0
+    for _ in range(runs):
+        solver = LabyrinthSolver(lab)
+        solver.set_algorithm(algo)
+        stats = solver.solve()
+        if stats:
+            ms, vis, plen = stats
+            total_ms += ms
+            total_visited += vis
+            total_len += plen
+    return total_ms / runs, total_visited / runs, total_len / runs
+
+def generate_plots(results):
+    mazes = list(set([r['maze'] for r in results]))
+    strategies = ['BFS', 'DFS', 'AStar']
+    
+    fig, axes = plt.subplots(1, 3, figsize=(15, 5))
+    x = np.arange(len(mazes))
+    width = 0.25
+
+    for i, strat in enumerate(strategies):
+        times = []
+        for maze in mazes:
+            val = next((r['time_ms'] for r in results if r['maze'] == maze and r['strategy'] == strat), 0)
+            times.append(val)
+        axes[0].bar(x + i*width, times, width, label=strat)
+    axes[0].set_xlabel('Maze')
+    axes[0].set_ylabel('Time (ms)')
+    axes[0].set_title('Execution Time')
+    axes[0].set_xticks(x + width)
+    axes[0].set_xticklabels(mazes, rotation=45, ha='right')
+    axes[0].legend()
+    axes[0].grid(True, alpha=0.3)
+
+    for i, strat in enumerate(strategies):
+        visited = []
+        for maze in mazes:
+            val = next((r['visited_cells'] for r in results if r['maze'] == maze and r['strategy'] == strat), 0)
+            visited.append(val)
+        axes[1].bar(x + i*width, visited, width, label=strat)
+    axes[1].set_xlabel('Maze')
+    axes[1].set_ylabel('Visited Cells')
+    axes[1].set_title('Visited Cells')
+    axes[1].set_xticks(x + width)
+    axes[1].set_xticklabels(mazes, rotation=45, ha='right')
+    axes[1].legend()
+    axes[1].grid(True, alpha=0.3)
+
+    for i, strat in enumerate(strategies):
+        lengths = []
+        for maze in mazes:
+            val = next((r['path_length'] for r in results if r['maze'] == maze and r['strategy'] == strat), 0)
+            lengths.append(val)
+        axes[2].bar(x + i*width, lengths, width, label=strat)
+    axes[2].set_xlabel('Maze')
+    axes[2].set_ylabel('Path Length')
+    axes[2].set_title('Path Length')
+    axes[2].set_xticks(x + width)
+    axes[2].set_xticklabels(mazes, rotation=45, ha='right')
+    axes[2].legend()
+    axes[2].grid(True, alpha=0.3)
+
+    plt.tight_layout()
+    plt.savefig('performance_comparison.png', dpi=150, bbox_inches='tight')
+    plt.show()
+
+if __name__ == "__main__":
+    if len(sys.argv) > 1 and sys.argv[1] == 'experiment':
+        print("Running experiments on all mazes...")
+        maze_files = [
+            ("maze/maze1.txt", "Small 10x6"),
+            ("maze/maze10x10.txt", "Medium 10x10"),
+            ("maze/maze20x20.txt", "Large 20x20"),
+            ("maze/maze_empty.txt", "Empty 15x15"),
+            ("maze/maze_no_exit.txt", "No exit 10x10")
+        ]
+        algorithms = [
+            ("BFS", BreadthFirst()),
+            ("DFS", DepthFirst()),
+            ("AStar", AStar())
+        ]
+        results = []
+        for fname, label in maze_files:
+            print(f"Testing {label}...")
+            for aname, algo in algorithms:
+                try:
+                    avg_t, avg_v, avg_l = run_experiment(fname, algo, runs=3)
+                    results.append({
+                        'maze': label,
+                        'strategy': aname,
+                        'time_ms': avg_t,
+                        'visited_cells': avg_v,
+                        'path_length': avg_l
+                    })
+                    print(f"  {aname}: time={avg_t:.3f}ms visited={avg_v:.0f} length={avg_l:.0f}")
+                except Exception as e:
+                    print(f"  {aname}: ERROR {e}")
+        # save csv
+        with open('experiment_results.csv', 'w', newline='', encoding='utf-8') as f:
+            writer = csv.DictWriter(f, fieldnames=['maze', 'strategy', 'time_ms', 'visited_cells', 'path_length'])
+            writer.writeheader()
+            writer.writerows(results)
+        generate_plots(results)
+        print("Done. Results saved to experiment_results.csv and performance_comparison.png")
+        sys.exit(0)
+
+    # else interactive mode
+    loader = TextMazeLoader()
+    lab = loader.load("maze/maze1.txt")
+    player = Player(lab.start_point, lab)
+    view = InteractiveView(lab, player)
+    view.render()
+
+    solver = LabyrinthSolver(lab)
+    history = []
+
+    while True:
+        key = input("\n  > ").lower()
+        if key == 'q':
+            print("Goodbye!")
+            break
+        elif key == 'b':
+            solver.set_algorithm(BreadthFirst())
+            ms, vis, plen = solver.solve()
+            print(f"BFS: {ms:.3f}ms, visited={vis}, length={plen}")
+        elif key == 'd':
+            solver.set_algorithm(DepthFirst())
+            ms, vis, plen = solver.solve()
+            print(f"DFS: {ms:.3f}ms, visited={vis}, length={plen}")
+        elif key == 'a':
+            solver.set_algorithm(AStar())
+            ms, vis, plen = solver.solve()
+            print(f"A*: {ms:.3f}ms, visited={vis}, length={plen}")
+        elif key in ('h','j','k','l'):
+            moves = {'h': (-1,0), 'l': (1,0), 'k': (0,-1), 'j': (0,1)}
+            dx, dy = moves[key]
+            cmd = MoveCommand(player, dx, dy, lab)
+            if cmd.do():
+                history.append(cmd)
+                view.render()
+                if player.current == lab.exit_point:
+                    print("\n*** YOU REACHED THE EXIT! ***")
+                    print(f"Total moves: {len(history)}")
+                    break
+            else:
+                print("Can't go there - wall!")
+        elif key == 'u':
+            if history:
+                cmd = history.pop()
+                cmd.revert()
+                view.render()
+                print("Undo last move")
+            else:
+                print("Nothing to undo")
+        else:
+            print("Unknown command")
\ No newline at end of file
diff --git a/BoriskovaDV/docs/data/2-nd-exercise/maze/maze1.txt b/BoriskovaDV/docs/data/2-nd-exercise/maze/maze1.txt
new file mode 100644
index 0000000..89b0bf7
--- /dev/null
+++ b/BoriskovaDV/docs/data/2-nd-exercise/maze/maze1.txt
@@ -0,0 +1,7 @@
+##########
+#S       #
+# ####### #
+# #     # #
+# # ### # #
+#   #   E #
+##########
\ No newline at end of file
diff --git a/BoriskovaDV/docs/data/2-nd-exercise/maze/maze10x10.txt b/BoriskovaDV/docs/data/2-nd-exercise/maze/maze10x10.txt
new file mode 100644
index 0000000..c8e24ac
--- /dev/null
+++ b/BoriskovaDV/docs/data/2-nd-exercise/maze/maze10x10.txt
@@ -0,0 +1,10 @@
+##########
+#S       #
+# # #### #
+# #      #
+# #### # #
+#      # #
+# #### # #
+#      # #
+#        #
+########E#
\ No newline at end of file
diff --git a/BoriskovaDV/docs/data/2-nd-exercise/maze/maze20x20.txt b/BoriskovaDV/docs/data/2-nd-exercise/maze/maze20x20.txt
new file mode 100644
index 0000000..648e1df
--- /dev/null
+++ b/BoriskovaDV/docs/data/2-nd-exercise/maze/maze20x20.txt
@@ -0,0 +1,21 @@
+####################
+#S                 #
+# ############### #
+# #             # #
+# # ######### # # #
+# # #       # # # #
+# # # ##### # # # #
+# # # #   # # # # #
+# # # # # # # # # #
+# # # #   # # # # #
+# # # ##### # # # #
+# # #       # # # #
+# # ######### # # #
+# #             # #
+# ############### #
+#                 #
+# ############### #
+# #             # #
+# # ########### # #
+#                 E#
+####################
\ No newline at end of file
diff --git a/BoriskovaDV/docs/data/2-nd-exercise/maze/maze_empty.txt b/BoriskovaDV/docs/data/2-nd-exercise/maze/maze_empty.txt
new file mode 100644
index 0000000..70f6e29
--- /dev/null
+++ b/BoriskovaDV/docs/data/2-nd-exercise/maze/maze_empty.txt
@@ -0,0 +1,15 @@
+###############
+#S            #
+#             #
+#             #
+#             #
+#             #
+#             #
+#             #
+#             #
+#             #
+#             #
+#             #
+#             #
+#    E        #
+###############
\ No newline at end of file
diff --git a/BoriskovaDV/docs/data/2-nd-exercise/maze/maze_no_exit.txt b/BoriskovaDV/docs/data/2-nd-exercise/maze/maze_no_exit.txt
new file mode 100644
index 0000000..1568be0
--- /dev/null
+++ b/BoriskovaDV/docs/data/2-nd-exercise/maze/maze_no_exit.txt
@@ -0,0 +1,7 @@
+##########
+#S       #
+# #      #
+# # #### #
+#   #    #
+##########
+E#########
\ No newline at end of file
diff --git a/BoriskovaDV/docs/data/2-nd-exercise/performance_comparison.png b/BoriskovaDV/docs/data/2-nd-exercise/performance_comparison.png
new file mode 100644
index 0000000..67f9189
Binary files /dev/null and b/BoriskovaDV/docs/data/2-nd-exercise/performance_comparison.png differ
diff --git a/BoriskovaDV/docs/performance_comparison-2-nd-exercise.png b/BoriskovaDV/docs/performance_comparison-2-nd-exercise.png
new file mode 100644
index 0000000..67f9189
Binary files /dev/null and b/BoriskovaDV/docs/performance_comparison-2-nd-exercise.png differ
diff --git a/BoriskovaDV/docs/report2.md b/BoriskovaDV/docs/report2.md
new file mode 100644
index 0000000..b18c829
--- /dev/null
+++ b/BoriskovaDV/docs/report2.md
@@ -0,0 +1,92 @@
+# Отчёт по лабораторной работе: Алгоритмы поиска пути в лабиринте
+
+## 1. Цель работы
+
+Разработка программы для загрузки лабиринта из текстового файла, реализации трёх алгоритмов поиска пути (BFS, DFS, A\*) и проведения экспериментального сравнения их эффективности на лабиринтах различной сложности.
+
+## 2. Структура программы
+
+Программа написана на Python 3 и состоит из следующих основных классов:
+
+- `GridPoint` – представление клетки лабиринта (координаты, проходимость, флаги старта/выхода);
+- `Labyrinth` – модель лабиринта (сетка клеток, методы получения соседей);
+- `TextMazeLoader` – загрузка лабиринта из файла с символами `#` (стена), `S` (старт), `E` (выход);
+- `SearchAlgorithm` (и наследники `BreadthFirst`, `DepthFirst`, `AStar`) – реализация алгоритмов поиска;
+- `LabyrinthSolver` – класс-оркестратор, позволяющий сменить стратегию и измеряющий время выполнения;
+- `Player`, `Command`, `MoveCommand`, `InteractiveView` – для интерактивного режима с отменой ходов;
+- функции `run_experiment` и `generate_plots` – для многократных запусков и построения графиков.
+
+## 3. Описание алгоритмов
+
+### 3.1 BFS (поиск в ширину)
+Использует очередь. Гарантирует нахождение кратчайшего пути (по числу шагов). Обходит клетки в порядке увеличения расстояния от старта.
+
+### 3.2 DFS (поиск в глубину)
+Использует стек. Идёт «вглубь» по одному пути, не гарантирует кратчайший путь. Обычно быстрее по времени и памяти на больших лабиринтах.
+
+### 3.3 A* (звездочка)
+Использует приоритетную очередь и эвристику (манхэттенское расстояние). Оценивает клетку по формуле `f = g + h`, где `g` – пройденное расстояние, `h` – эвристика. Находит оптимальный путь, если эвристика допустима.
+
+## 4. Методика эксперимента
+
+Для каждого лабиринта каждый алгоритм запускался 3 раза, результаты усреднялись. Измерялись:
+- время выполнения (в миллисекундах);
+- количество посещённых клеток;
+- длина найденного пути.
+
+Тестовые лабиринты:
+
+| Название | Размер | Описание |
+|----------|--------|-----------|
+| Small 10x6 | 10×6 | Простой лабиринт с извилистым коридором |
+| Medium 10x10 | 10×10 | Лабиринт среднего размера с несколькими тупиками |
+| Large 20x20 | 20×20 | Большой запутанный лабиринт |
+| Empty 15x15 | 15×15 | Пустой лабиринт без стен (прямая линия от S до E) |
+| No exit 10x10 | 10×10 | Лабиринт без буквы E (путь отсутствует) |
+
+## 5. Результаты экспериментов
+
+| Лабиринт       | Алгоритм | Время, мс | Посещено клеток | Длина пути |
+|----------------|----------|-----------|-----------------|------------|
+| Small 10x6     | BFS      | 0.057     | 25              | 16         |
+| Small 10x6     | DFS      | 0.057     | 24              | 16         |
+| Small 10x6     | A*       | 0.048     | 23              | 16         |
+| Medium 10x10   | BFS      | 0.048     | 47              | 16         |
+| Medium 10x10   | DFS      | 0.035     | 44              | 30         |
+| Medium 10x10   | A*       | 0.098     | 47              | 16         |
+| Large 20x20    | BFS      | 0.099     | 100             | 36         |
+| Large 20x20    | DFS      | 0.070     | 75              | 68         |
+| Large 20x20    | A*       | 0.165     | 85              | 36         |
+| Empty 15x15    | BFS      | 0.133     | 133             | 17         |
+| Empty 15x15    | DFS      | 0.114     | 161             | 89         |
+| Empty 15x15    | A*       | 0.154     | 65              | 17         |
+| No exit 10x10  | BFS      | 0.044     | 25              | 0          |
+| No exit 10x10  | DFS      | 0.059     | 25              | 0          |
+| No exit 10x10  | A*       | 0.046     | 25              | 0          |
+
+## 6. Анализ результатов
+
+### 6.1. Нахождение кратчайшего пути
+- **BFS** и **A*** нашли оптимальные пути во всех лабиринтах, где выход существовал (длина пути совпадает для них в каждом случае).
+- **DFS** в лабиринтах Medium, Large и Empty дал существенно более длинные пути (30 против 16, 68 против 36, 89 против 17), что характерно для глубинного обхода без эвристики.
+
+### 6.2. Время выполнения
+- На малых лабиринтах все алгоритмы работают сопоставимо (0.035–0.099 мс).
+- На лабиринте Large 20×20 BFS выполнился за 0.099 мс, A* – 0.165 мс (медленнее из-за сложности поддержки очереди с приоритетом), DFS – быстрее всех (0.070 мс).
+- В пустом лабиринте BFS и A* обошли почти все клетки (133 и 65 посещённых соответственно), но A* за счёт эвристики посетил вдвое меньше клеток, хотя время оказалось чуть выше, чем у BFS (0.154 против 0.133 мс). Это объясняется накладными расходами на вычисление эвристики и управление кучей.
+
+### 6.3. Количество посещённых клеток
+- **A*** показал лучшую эффективность в пустом лабиринте (65 посещённых против 133 у BFS и 161 у DFS). В лабиринтах со стенами разница не столь заметна, но A* почти всегда посещал меньше клеток, чем BFS.
+- **DFS** в среднем посещает меньше клеток, чем BFS, но при этом путь часто неоптимален.
+- **BFS** вынужден обходить всю область равных расстояний, поэтому посещённых клеток обычно больше.
+
+### 6.4. Поведение при отсутствии выхода
+Все алгоритмы корректно завершились, вернув пустой путь (длина 0). В лабиринте без выхода BFS, DFS и A* посетили 25 клеток – это все доступные клетки.
+
+## 7. Выводы
+
+1. **BFS** надёжен для поиска кратчайшего пути, но может быть медленнее на больших открытых пространствах из-за широкого обхода.
+2. **DFS** – самый быстрый по времени и экономный по памяти, но не гарантирует оптимальность пути. Его применение оправдано, когда любой путь подходит.
+3. **A*** демонстрирует лучший баланс: находит кратчайший путь и при этом посещает меньше клеток, чем BFS. Небольшое замедление на сложных лабиринтах компенсируется меньшим числом обработанных клеток.
+4. Программа успешно справляется с лабиринтами разного размера и конфигурации, включая отсутствие выхода.
+5. Интерактивный режим с отменой ходов (паттерн Command) и выбором алгоритма (паттерн Strategy) реализован и работает корректно.