2026-rff_mp/YaroslavtsevAS/docs/ReportLab2.md

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.