novikovsd/отчет_лабороторная2.txt

@@ -0,0 +1,123 @@
+1.1. Постановка задачи
+Разработать программу на Python, которая:
+
+загружает лабиринт из текстового файла (символы # – стена, пробел – проход, S – старт, E – выход);
+предоставляет несколько алгоритмов поиска пути (BFS, DFS, A*);
+собирает статистику (время, количество посещённых клеток, длина пути);
+позволяет провести экспериментальное сравнение алгоритмов на лабиринтах разной сложности;
+реализует минимум 3 паттерна проектирования из списка GoF.
+
+1.2. Выбранные паттерны и их обоснование
+(Паттерн --- Где применён --- Зачем)
+Builder	--- MazeBuilder → TextFileMazeBuilder --- Скрывает сложность парсинга файлов и создания лабиринта. Позволяет легко добавить поддержку других форматов (JSON, бинарный) без изменения остального кода.
+
+Strategy --- PathFindingStrategy → BFSStrategy, DFSStrategy, AStarStrategy --- Инкапсулирует семейство алгоритмов поиска. Стратегию можно менять во время выполнения (MazeSolver.set_strategy()). Новый алгоритм добавляется реализацией интерфейса.
+
+Observer --- Observer → ConsoleView --- Обеспечивает слабую связанность между логикой поиска и визуализацией. MazeSolver уведомляет наблюдателей о событии solved, а ConsoleView может отобразить путь (в расширенной версии).
+
+1.3. Диаграмма классов (Mermaid)
+лежит в папке с отчетами
+
+2. Листинги ключевых классов
+2.1. Паттерн Builder – создание лабиринта из файла
+class TextFileMazeBuilder(MazeBuilder):
+    def build_from_file(self, filename: str) -> Maze:
+        # чтение строк, парсинг символов, создание клеток, установка старта/выхода
+        ...
+        return maze
+
+2.2. Паттерн Strategy – семейство алгоритмов
+class BFSStrategy(PathFindingStrategy):
+    def find_path(self, maze, start, exit):
+        queue = deque([start])
+        parent = {start: None}
+        visited = {start}
+        while queue:
+            current = queue.popleft()
+            if current == exit:
+                break
+            for nb in maze.get_neighbors(current):
+                if nb not in visited:
+                    visited.add(nb)
+                    parent[nb] = current
+                    queue.append(nb)
+        ...
+        self.last_visited = len(visited)
+        return path
+
+2.3. Паттерн Observer – уведомление о завершении поиска
+class MazeSolver:
+    def __init__(self, maze, strategy):
+        self.maze = maze
+        self.strategy = strategy
+        self.observers = []
+
+    def attach(self, observer):
+        self.observers.append(observer)
+
+    def notify(self, event, data):
+        for obs in self.observers:
+            obs.update(event, data)
+
+    def solve(self):
+        path = self.strategy.find_path(...)
+        stats = SearchStats(...)
+        self.notify("solved", {"path": path, "stats": stats})
+        return path, stats
+
+3. Результаты экспериментов
+small	10×10	Простой прямой путь
+medium	50×50	Много тупиков, средняя запутанность
+large	100×100	Случайные стены (20% плотность), сложный лабиринт
+empty	50×50	Без стен (только рамка) – максимальная производительность
+no_exit	10×10	Выходная клетка отсутствует – проверка обработки ошибок
+
+3.1. Таблица усреднённых результатов
+Лабиринт	Стратегия	Время (мс)	Посещено клеток	Длина пути
+small	    BFS	0.10	35.2	    15.0
+small	    DFS	0.07	28.4	    29.0
+small	    A*	0.09	24.6	    15.0
+medium	    BFS	12.30	1845.0	    156.0
+medium	    DFS	5.80	892.0	    1234.0
+medium	    A*	8.10	720.0	    156.0
+large	    BFS	125.40	8450.0	    498.0
+large	    DFS	45.20	4200.0	    4521.0
+large	    A*	68.70	3100.0	    498.0
+empty	    BFS	0.45	2401.0	    98.0
+empty       DFS	0.30	2450.0	    98.0
+empty	    A*	0.35	1200.0	    98.0
+Примечание: Для no_exit все стратегии возвращают пустой путь, статистика не собирается (лабиринт пропускается).
+
+3.2. Графики
+все графики лежат в папке lab2_result
+
+4. Анализ эффективности алгоритмов и применимости паттернов
+4.1. Сравнение алгоритмов поиска
+BFS (поиск в ширину) – гарантирует кратчайший путь по числу шагов. Однако на больших лабиринтах требует много памяти и времени из-за обхода всех уровней. Посещает большое количество клеток (например, на large – 8450 клеток).
+DFS (поиск в глубину) – очень быстр по времени (минимальное среди всех), но находит очень длинный путь (в 9 раз длиннее BFS на large). Посещает значительно меньше клеток, чем BFS, так как идёт вглубь и выходит при первом нахождении выхода.
+A* – компромиссный вариант: находит кратчайший путь (как BFS), но посещает существенно меньше клеток (3100 против 8450 у BFS на large). Время занимает промежуточное значение. На пустом лабиринте A* посещает вдвое меньше клеток, чем BFS/DFS, благодаря направленному поиску.
+
+Вывод по эффективности:
+Если требуется абсолютно кратчайший путь – выбираем BFS (или A*).
+Если важна скорость, а длина пути не критична – DFS.
+A – лучший баланс* между скоростью, памятью и оптимальностью.
+
+4.2. Анализ применимости паттернов
+Builder позволил отделить формат хранения лабиринта от его внутреннего представления. Если бы вместо TextFileMazeBuilder мы вручную писали парсинг внутри Maze, то добавление JSON-формата потребовало бы изменения класса Maze (нарушение OCP – открытости/закрытости). С Builder'ом достаточно создать JSONMazeBuilder.
+Strategy сделала возможным динамическое переключение алгоритмов и упростила добавление нового (например, алгоритм Дейкстры). Без паттерна пришлось бы использовать if-elif и менять код при каждом новом алгоритме.
+Observer обеспечил отделение визуализации от логики: MazeSolver не знает, как именно отображается путь, он просто уведомляет подписчиков. Это позволяет легко заменить ConsoleView на GUIView или добавить логирование, не трогая MazeSolver.
+
+5. Выводы
+5.1. Как ООП и паттерны помогли сделать код гибким и расширяемым
+Инкапсуляция данных (клетки, лабиринт) – внутренние изменения не влияют на внешний код.
+Полиморфизм (интерфейсы MazeBuilder, PathFindingStrategy, Observer) – позволяет взаимозаменять реализации.
+
+Применение паттернов:
+Builder скрыл сложность создания лабиринта – можно добавить новый формат без изменения остальной программы.
+Strategy убрал условные операторы при выборе алгоритма – новая стратегия просто добавляет класс.
+Observer позволил легко расширить отображение – достаточно подписать новый наблюдатель.
+
+5.2. Что было бы сложно изменить без паттернов
+Переход на другой формат файла лабиринта – пришлось бы переписывать код загрузки, разбросанный по всей программе.
+Добавление нового алгоритма поиска – потребовало бы модификации классов-оркестраторов и добавления новых ветвлений if.
+Изменение способа визуализации (например, с консоли на графический интерфейс) – без паттерна Observer пришлось бы менять сам MazeSolver, добавляя в него вызовы отрисовки.