2026-05-30 11:16:27 +00:00
1 changed files with 349 additions and 0 deletions
--- a/lomakinae/docs/02_report.md
+++ b/lomakinae/docs/02_report.md
@ -0,0 +1,349 @@
+# Отчёт. Задание 2 - Поиск выхода из лабиринта
+
+## Цель
+
+Разработать расширяемую программу для загрузки лабиринта из файла и поиска пути от старта до выхода с
+возможностью выбора алгоритма. Выполнить экспериментальное сравнение алгоритмов BFS, DFS и A\* на картах
+различной сложности. Применить минимум 3 паттерна проектирования GoF.
+
+## 1. Описание задачи и выбранные паттерны
+
+Программный комплекс построен на принципах объектно-ориентированного программирования.
+
+Применены три паттерна проектирования GoF:
+
+1. **Builder (Строитель)** - изолирует логику парсинга текстовых файлов и валидации структуры лабиринта
+   (ровно один старт `S` и один выход `E`). Добавление нового формата (JSON, бинарный) требует только нового наследника `MazeBuilder`.
+2. **Strategy (Стратегия)** - позволяет динамически менять алгоритм поиска пути (BFS, DFS, A\*) без модификации кода. Новый
+   алгоритм добавляется наследованием от `PathFindingStrategy`.
+3. **Facade (Фасад)** - предоставляет единую точку входа `MazeTestingFacade.run_full_diagnostic()` для последовательного запуска подсистемы
+   бенчмарков и генерации графиков.
+
+### Диаграмма классов (Mermaid)
+
+```mermaid
+classDiagram
+    class Maze {
+        +int width
+        +int height
+        +List~List~Cell~~ cells
+        +Cell start
+        +Cell exit
+        +get_cell(x, y): Cell
+        +set_cell(x, y, cell_type)
+        +get_neighbors(cell): List~Cell~
+    }
+
+    class Cell {
+        +int x
+        +int y
+        +bool is_wall
+        +bool is_start
+        +bool is_exit
+        +is_passable(): bool
+    }
+
+    class MazeBuilder {
+        <<interface>>
+        +build_from_file(filename): Maze
+    }
+
+    class TextFileMazeBuilder {
+        +build_from_file(filename): Maze
+    }
+
+    class PathFindingStrategy {
+        <<interface>>
+        +int visited_count
+        +find_path(maze, start, exit_cell): List~Cell~
+        +reconstruct_path(came_from, exit_cell): List~Cell~
+    }
+
+    class BFSStrategy
+    class DFSStrategy
+    class AStarStrategy
+
+    class SearchStats {
+        +float time_ms
+        +int visited_cells
+        +int path_length
+    }
+
+    class MazeSolver {
+        +Maze maze
+        +PathFindingStrategy strategy
+        +set_strategy(strategy)
+        +solve(): SearchStats
+    }
+
+    class MazeTestingFacade {
+        +run_full_diagnostic()
+    }
+
+    MazeBuilder <|.. TextFileMazeBuilder
+    MazeBuilder --> Maze : создает
+    PathFindingStrategy <|.. BFSStrategy
+    PathFindingStrategy <|.. DFSStrategy
+    PathFindingStrategy <|.. AStarStrategy
+    MazeSolver --> PathFindingStrategy : использует
+    MazeSolver --> Maze : содержит
+    Maze *-- Cell : содержит
+    MazeTestingFacade --> MazeSolver : оркестрирует
+```
+
+## 2. Листинги ключевых классов
+
+### Builder - загрузка лабиринта из файла (`src/builder.py`)
+
+```python
+class MazeBuilder(ABC):
+    @abstractmethod
+    def build_from_file(self, filename: str) -> Maze:
+        pass
+
+
+class TextFileMazeBuilder(MazeBuilder):
+    def build_from_file(self, filename: str) -> Maze:
+        with open(filename, "r", encoding="utf-8") as f:
+            lines = [line.rstrip("\n") for line in f.readlines()]
+        height = len(lines)
+        width = max(len(line) for line in lines) if height > 0 else 0
+
+        start_count = 0
+        exit_count = 0
+        maze = Maze(width, height)
+
+        for y, line in enumerate(lines):
+            for x, ch in enumerate(line):
+                if ch == "#":
+                    maze.set_cell(x, y, "wall")
+                elif ch == "S":
+                    maze.set_cell(x, y, "start")
+                    start_count += 1
+                elif ch == "E":
+                    maze.set_cell(x, y, "exit")
+                    exit_count += 1
+                else:
+                    maze.set_cell(x, y, "path")
+
+        if start_count != 1 or exit_count != 1:
+            raise ValueError(f"S={start_count}, E={exit_count}")
+        return maze
+```
+
+### Strategy - алгоритмы поиска пути (`src/strategies.py`)
+
+```python
+class PathFindingStrategy(ABC):
+    def __init__(self):
+        self.visited_count = 0
+
+    @abstractmethod
+    def find_path(self, maze: Maze, start: Cell, exit_cell: Cell) -> List[Cell]:
+        pass
+
+    def reconstruct_path(self, came_from: dict, exit_cell: Cell) -> List[Cell]:
+        path = []
+        current = exit_cell
+        while current is not None:
+            path.append(current)
+            current = came_from.get(current)
+        path.reverse()
+        return path
+
+
+class BFSStrategy(PathFindingStrategy):
+    def find_path(self, maze: Maze, start: Cell, exit_cell: Cell) -> List[Cell]:
+        queue = deque([start])
+        came_from = {start: None}
+        visited = {start}
+
+        while queue:
+            current = queue.popleft()
+            if current == exit_cell:
+                self.visited_count = len(visited)
+                return self.reconstruct_path(came_from, exit_cell)
+            for neighbor in maze.get_neighbors(current):
+                if neighbor not in visited:
+                    visited.add(neighbor)
+                    came_from[neighbor] = current
+                    queue.append(neighbor)
+        self.visited_count = len(visited)
+        return []
+
+
+class AStarStrategy(PathFindingStrategy):
+    def heuristic(self, cell: Cell, exit_cell: Cell) -> int:
+        return abs(cell.x - exit_cell.x) + abs(cell.y - exit_cell.y)
+
+    def find_path(self, maze: Maze, start: Cell, exit_cell: Cell) -> List[Cell]:
+        heap = []
+        counter = 0
+        start_f = self.heuristic(start, exit_cell)
+        heapq.heappush(heap, (start_f, counter, start))
+        counter += 1
+        came_from = {}
+        g_score = {start: 0}
+        f_score = {start: start_f}
+        visited = set()
+
+        while heap:
+            current_f, _, current = heapq.heappop(heap)
+            visited.add(current)
+
+            if current == exit_cell:
+                self.visited_count = len(visited)
+                return self.reconstruct_path(came_from, exit_cell)
+            if current_f > f_score.get(current, float("inf")):
+                continue
+            for neighbor in maze.get_neighbors(current):
+                tentative_g = g_score[current] + 1
+                if tentative_g < g_score.get(neighbor, float("inf")):
+                    came_from[neighbor] = current
+                    g_score[neighbor] = tentative_g
+                    new_f = tentative_g + self.heuristic(neighbor, exit_cell)
+                    f_score[neighbor] = new_f
+                    heapq.heappush(heap, (new_f, counter, neighbor))
+                    counter += 1
+        self.visited_count = len(visited)
+        return []
+```
+
+### Оркестратор (`src/solver.py`)
+
+```python
+class SearchStats(NamedTuple):
+    time_ms: float
+    visited_cells: int
+    path_length: int
+
+
+class MazeSolver:
+    def __init__(self, maze: Maze):
+        self.maze = maze
+        self.strategy = None
+
+    def set_strategy(self, strategy: PathFindingStrategy):
+        self.strategy = strategy
+
+    def solve(self) -> SearchStats:
+        if self.strategy is None:
+            raise ValueError("Strategy not set")
+        start_time = time.perf_counter()
+        path = self.strategy.find_path(self.maze, self.maze.start, self.maze.exit)
+        end_time = time.perf_counter()
+        time_ms = (end_time - start_time) * 1000
+        return SearchStats(
+            time_ms=time_ms,
+            visited_cells=self.strategy.visited_count,
+            path_length=len(path),
+        )
+```
+
+### Facade - точка входа (`src/facade.py` и `main.py`)
+
+```python
+# src/facade.py
+class MazeTestingFacade:
+    def run_full_diagnostic(self):
+        run_benchmarks()
+        generate_plots()
+
+# main.py
+from src.facade import MazeTestingFacade
+
+def main():
+    facade = MazeTestingFacade()
+    facade.run_full_diagnostic()
+```
+
+## 3. Результаты экспериментов
+
+### Параметры эксперимента
+
+| Параметр  | Значение                                                       |
+| --------- | -------------------------------------------------------------- |
+| Итераций  | 10 запусков на каждый лабиринт                                 |
+| Лабиринты | maze_no_exit, maze_empty, maze_10x10, maze_50x50, maze_100x100 |
+| Алгоритмы | BFS (ширина), DFS (глубина), A\* (манхэттенская эвристика)     |
+| Метрики   | Время выполнения (мс), посещенные клетки, длина пути           |
+
+Тесты проводились на 5 разных лабиринтах. Так как основные лабиринты (10x10, 50x50, 100x100) имеют только
+один верный путь, итоговая длина маршрута у всех алгоритмов совпадает. Сравниваем время работы и количество
+проверенных клеток.
+
+**1. Маленький лабиринт (10x10)**
+Все алгоритмы отработали быстрее 0.05 мс. Алгоритм A\* оказался наиболее точным, так как посетил всего 18 клеток.
+BFS проверил 33 клетки, а DFS проверил 32 клетки.
+
+**2. Средний лабиринт (50x50)**
+Здесь BFS обошел больше всего пространства (1046 клеток) и работал дольше всех (1.31 мс). В данном тесте DFS удачно
+выбрал направление и проверил меньше клеток (231 клетка за 0.25 мс). Алгоритм A\* показал стабильный результат,
+посетив 414 клеток за 1.05 мс.
+
+**3. Большой лабиринт (100x100)**
+На большой карте заметно преимущество A\*. Он нашел выход за 0.98 мс, посетив всего 380 клеток. BFS пришлось проверить
+почти весь лабиринт (2319 клеток), на что ушло 3.15 мс. DFS справился за 0.77 мс и проверил 662 клетки.
+
+**4. Пустой лабиринт (без стен)**
+В пустом пространстве все алгоритмы посетили одинаковое количество клеток (90 шт.). Однако DFS повел себя неоптимально
+и построил длинный зигзагообразный маршрут в 54 шага. BFS и A\* нашли прямой и кратчайший путь всего за 18 шагов.
+
+**5. Лабиринт без выхода**
+Все алгоритмы корректно обработали тупик и завершили работу без ошибок. Так как выхода нет, им пришлось проверить
+абсолютно все доступные клетки лабиринта (по 16 клеток у каждого). Длина пути у всех составила 0. Дольше всех из-за
+расчета эвристики работал A\* (0.036 мс), а BFS и DFS справились за 0.02 мс.
+
+### Графики
+
+![plot](data/02/benchmark_charts.png)
+
+---
+
+## 4. Анализ эффективности алгоритмов и применимость паттернов
+
+### Масштабирование по размеру лабиринта
+
+1. **A\*** - самый эффективный на больших картах. Благодаря Манхэттенской эвристике он учитывает направление
+   к выходу и минимизирует лишние шаги. На лабиринте 100х100 он проверил всего 380 клеток (против 2319 у BFS).
+   Минус - тратит чуть больше времени на мелких картах из-за математических расчетов.
+
+2. **BFS (Поиск в ширину)** - выполняет избыточное исследование графа во все стороны. Из-за этого на карте 100х100
+   он посетил 2319 клеток, что увеличило время выполнения до 3.15 мс (худший результат по скорости).
+
+3. **DFS (Поиск в глубину)** - работает на простом стеке, поэтому у него минимальные накладные
+   расходы по времени (всего 0.77 мс на большой карте). Однако он не ищет оптимальный путь: на пустом лабиринте
+   `maze_empty` вместо прямой линии в 18 шагов он построил ломаный зигзаг в 54 шага.
+
+4. **Обработка тупиков (`maze_no_exit`)** - все алгоритмы успешно прошли стресс-тест. При отсутствии выхода они просто
+   обходят 100% доступных клеток и корректно возвращают пустой путь.
+
+### Применимость паттернов
+
+Паттерн **Strategy** позволил реализовать систему бенчмарков итерацией по массиву стратегий: `solver.set_strategy(strat)`.
+Без него пришлось бы использовать `if-elif` внутри решателя, что нарушило бы принцип открытости-закрытости (OCP). Добавление
+нового алгоритма (например, Дейкстры) не требует изменений в существующем коде.
+
+Паттерн **Builder** полностью инкапсулировал работу с файловой системой. Переход на другой формат хранения (JSON, бинарный)
+требует только создания нового наследника `MazeBuilder` без изменения остальной системы.
+
+Паттерн **Facade** скрыл последовательность вызовов `run_benchmarks()` и `generate_plots()` за единственным методом
+`run_full_diagnostic()`. Код `main.py` сведен к двум строкам и не зависит от деталей оркестрации подсистем.
+
+---
+
+## 5. Выводы
+
+Для реальных задач:
+
+- Экспериментально подтверждено, что поиск ($A^*$) с использованием Манхэттенской
+  эвристики превосходит слепые методы (BFS, DFS) на больших лабиринтах.
+
+- Поиск в глубину непригоден для пустых пространств (строит крайне неоптимальные зигзагообразные пути)
+  и сильно зависит от порядка обхода соседей, но не требует хранения большого объёма данных в памяти.
+
+- Тестирование на изолированном лабиринте ("без выхода") доказало отказоустойчивость реализованных стратегий - алгоритмы
+  корректно завершают работу после полного исчерпания пространства состояний.
+
+Применение паттернов GoF (Builder, Strategy, Facade) обеспечило модульность и расширяемость системы. Добавление нового алгоритма,
+формата файлов или этапа диагностики не затрагивает существующий код, что соответствует принципам SOLID.