119 lines
11 KiB
Markdown
119 lines
11 KiB
Markdown
# Отчёт по лабораторной работе: Поиск выхода из лабиринта
|
||
|
||
## 1. Постановка задачи
|
||
|
||
Цель — разработать программу для загрузки лабиринта из текстового файла, поиска маршрута от старта до выхода с возможностью выбора алгоритма, визуализации процесса и экспериментального сравнения эффективности трёх классических алгоритмов поиска пути.
|
||
|
||
### Основные требования:
|
||
- Модель лабиринта: классы `Tile` (клетка) и `Labyrinth` (сетка).
|
||
- Загрузка карты из файла с символами `#` (стена), `S` (старт), `E` (выход).
|
||
- Реализация трёх стратегий поиска: BFS, DFS, A*.
|
||
- Оркестратор `LabyrinthSolver` с возможностью смены алгоритма во время выполнения.
|
||
- Сбор метрик: время работы (мс), количество посещённых клеток, длина найденного пути.
|
||
- Проведение экспериментов на пяти лабиринтах разного размера и структуры.
|
||
|
||
### Использованные паттерны проектирования
|
||
|
||
- **Builder** – `TextLabyrinthBuilder` инкапсулирует логику парсинга текстового файла и создания объекта `Labyrinth`. Это упрощает добавление новых форматов.
|
||
- **Strategy** – `BFS_Pathfinder`, `DFS_Pathfinder` и `AStar_Pathfinder` реализуют общий интерфейс `Pathfinder`. Класс `LabyrinthSolver` может динамически переключаться между ними.
|
||
- **Observer** – интерфейс `GameObserver` и его реализация `TerminalDisplay` позволяют отделить отображение лабиринта от бизнес-логики.
|
||
- **Command** – `MoveAction` оборачивает перемещение игрока, сохраняя историю и предоставляя возможность отмены (`undo`).
|
||
|
||
## 2. Архитектура приложения
|
||
|
||
- **Модель**: `Tile` (клетка) и `Labyrinth` (лабиринт).
|
||
- **Загрузка**: `LabyrinthBuilder` (абстрактный) и `TextLabyrinthBuilder`.
|
||
- **Алгоритмы**: `BFS_Pathfinder`, `DFS_Pathfinder`, `AStar_Pathfinder` — наследники `Pathfinder`.
|
||
- **Управление поиском**: `LabyrinthSolver` (смена стратегии, оповещение наблюдателей).
|
||
- **Визуализация**: `TerminalDisplay`, реализующий `GameObserver`.
|
||
- **Интерактив**: `Explorer` (игрок) и `MoveAction` (команда перемещения).
|
||
|
||
## 3. Реализация алгоритмов поиска пути
|
||
|
||
### BFS (поиск в ширину)
|
||
Использует очередь. Стартовая клетка помещается в очередь, затем на каждом шаге извлекается первый элемент. Если это выход — путь восстановлен. Иначе все непосещённые соседи добавляются в конец очереди. Гарантирует кратчайший путь по количеству шагов.
|
||
|
||
### DFS (поиск в глубину)
|
||
Вместо очереди используется стек (LIFO). Начинает со старта, на каждом шаге извлекается последний добавленный элемент. Быстрее продвигается в глубину, но путь часто оказывается далеко не оптимальным.
|
||
|
||
### A* (A-звездочка)
|
||
Применяет приоритетную очередь с эвристической функцией `f = g + h`, где `g` — реальная стоимость пути от старта, `h` — Манхэттенское расстояние до выхода. Всегда находит оптимальный путь при допустимой эвристике и обычно посещает меньше клеток.
|
||
|
||
## 4. Экспериментальная часть
|
||
|
||
### Тестовые лабиринты
|
||
|
||
| Название | Размер | Особенность |
|
||
|-------------------|-----------|------------------------------------|
|
||
| Small 10x6 | 10×6 | простой коридорный лабиринт |
|
||
| Medium 10x10 | 10×10 | средняя плотность стен |
|
||
| Large 20x20 | 20×20 | сложная запутанная структура |
|
||
| Empty 15x15 | 15×15 | полностью проходимый (без стен) |
|
||
| No exit 10x10 | 10×10 | выход заблокирован стеной |
|
||
|
||
Все эксперименты проводились с усреднением по 3 запускам для сглаживания случайных колебаний времени.
|
||
|
||
### Результаты замеров
|
||
|
||
| Лабиринт | Алгоритм | Время (мс) | Посещено клеток | Длина пути |
|
||
|------------------|----------|------------|-----------------|------------|
|
||
| Small 10x6 | BFS | 0.037 | 27 | 10 |
|
||
| Small 10x6 | DFS | 0.028 | 18 | 14 |
|
||
| Small 10x6 | A* | 0.069 | 22 | 10 |
|
||
| Medium 10x10 | BFS | 0.042 | 40 | 15 |
|
||
| Medium 10x10 | DFS | 0.017 | 21 | 15 |
|
||
| Medium 10x10 | A* | 0.058 | 28 | 15 |
|
||
| Large 20x20 | BFS | 0.091 | 64 | 31 |
|
||
| Large 20x20 | DFS | 0.054 | 64 | 41 |
|
||
| Large 20x20 | A* | 0.217 | 60 | 31 |
|
||
| Empty 15x15 | BFS | 0.380 | 223 | 25 |
|
||
| Empty 15x15 | DFS | 0.171 | 221 | 109 |
|
||
| Empty 15x15 | A* | 0.623 | 169 | 25 |
|
||
| No exit 10x10 | BFS | 0.014 | 9 | 0 |
|
||
| No exit 10x10 | DFS | 0.013 | 9 | 0 |
|
||
| No exit 10x10 | A* | 0.024 | 9 | 0 |
|
||
|
||
*Примечание: длина пути 0 означает, что маршрут не существует.*
|
||
|
||
### Визуализация
|
||
|
||
|
||
|
||
На графиках отражены три метрики: время выполнения, число посещённых клеток и длина найденного пути.
|
||
|
||
## 5. Анализ результатов
|
||
|
||
### Сравнение алгоритмов
|
||
|
||
**BFS**
|
||
- Всегда находит кратчайший путь (длины 10, 15, 31, 25 соответственно).
|
||
- На больших и пустых лабиринтах посещает много клеток (до 223), что сказывается на времени.
|
||
- Хорошо подходит, когда оптимальность критична, а размер лабиринта умеренный.
|
||
|
||
**DFS**
|
||
- Самый быстрый по времени (0.013–0.171 мс), но часто выдаёт длинные извилистые пути (14, 15, 41, 109). В пустом 15×15 путь составил 109 шагов вместо оптимальных 25.
|
||
- Число посещённых клеток невелико, что объясняет высокую скорость. Рекомендуется, когда важнее скорость, а не качество маршрута.
|
||
|
||
**A***
|
||
- Находит кратчайший путь во всех случаях (где он существует).
|
||
- Посещает в среднем меньше клеток, чем BFS (22, 28, 60, 169), что подтверждает эффективность эвристики.
|
||
- Время работы немного выше, чем у BFS, из-за накладных расходов на работу с кучей, однако разница незначительна.
|
||
|
||
### Особые случаи
|
||
|
||
- В лабиринте **No exit** все алгоритмы быстро обошли доступную область (9 клеток) и корректно вернули пустой путь.
|
||
- На **Empty 15×15** DFS показал наихудший путь (109 шагов), в то время как BFS и A* дали идеальные 25. Это наглядно демонстрирует, что DFS непригоден для задач, требующих оптимальности.
|
||
- **Large 20×20** показал близкие результаты для BFS и A* по длине пути, но DFS снова выдал более длинный маршрут (41).
|
||
|
||
### Выводы и рекомендации
|
||
|
||
- Если необходим **кратчайший путь** — выбирайте **BFS** или **A***. A* часто эффективнее по памяти, так как посещает меньше клеток.
|
||
- Если важна **максимальная скорость** и допустим неоптимальный путь — используйте **DFS**.
|
||
- **A*** является наилучшим компромиссом для большинства практических задач благодаря сбалансированному сочетанию времени и оптимальности.
|
||
|
||
## 6. Заключение
|
||
|
||
Разработанное приложение демонстрирует применение паттернов проектирования для построения гибкой и расширяемой архитектуры.
|
||
Экспериментальные данные подтверждают ожидаемое поведение алгоритмов: BFS и A* гарантируют оптимальность, DFS — высокую скорость ценой качества маршрута. A* показал наилучшее соотношение «затраты / качество», посещая меньше клеток и находя кратчайший путь.
|
||
|
||
Все полученные метрики сохранены в файл `experiment_data.csv`, графики — в `maze_performance.png`. |