# 2026-MP Практика по курсам "Методы программирования" и "Программная инженерия" РФФ ННГУ [Презентация по курсу (обновляемая)](https://docs.google.com/presentation/d/1wmYjy5QDoYECEHi7NAAINPulU9pLsaIi-aLaUppspps/edit?usp=sharing) Для работы необходим python 3.11 и выше. Библиотеки: numpy, pandas, matplotlib, tensorflow, Pillow. Редактор любой. Из неплохих: IDLE (родной, идёт вместе с установщиком), Visual Studio Code, notepad++, PyCharm, vim (для любителей сначала страдать, потом наслаждаться). Работа с блокнотами онлайн, с возможностью подключения удалённых мощностей гугла (GPU, TPU): https://colab.research.google.com/ Мой контакт: nsmorozov@rf.unn.ru Внутри папки группы создать папку имени себя (фамилия и имя). В своей папке можете делать все что угодно, в чужие не залезать, в корневую тоже. Я буду ориентироваться на файлы, где в названии будет номер лабораторной. **Название пулл-реквеста должно начинаться с квадратных скобок, в которых перечислены номера сдаваемых лабораторных работ. Не больше одного активного реквеста, если надо довнести -- надо обновить текущий.** ### Крайний срок приема работ 25.05.2026 до 14:00 ## Задание 0 -- репозиторий [отдельный срок на создание PR с папкой: 28.02.2026] 0. Создай пользователя (логин — фамилия+инициалы слитно транслитом, как в терминал-классе). 1. Зайди в этот репозиторий на Gitea, нажми кнопку **Форкнуть**, чтобы создать копию в своем аккаунте. 2. **Клонирование:** Скопируй ссылку на свой форк и выполни: ```bash git clone <ссылка_на_ваш_форк> cd <название_репозитория> ``` 3. **Создай ветку** (название — фамилия+инициалы слитно транслитом, буква в букву как логин): ```bash git checkout -b IvanovII ``` 4. **Создай папку** с таким же названием (`IvanovII`) и внутри неё — текстовый файл, названный номером вашей группы (например, `101.md`). 5. **Сохрани изменения:** ```bash git add -A git commit -m "[0] initial commit" ``` 6. Отправь ветку **в свой форк** на Gitea: ```bash git push origin ``` если просит, перед этим сделать git push --set-upstream origin 7. **Создай запрос на слияние (Pull Request):** На Gitea перейди в свой форк, выбери ветку `IvanovII`, нажмите **Запрос на слияние**. Убедитесь, что: - Базовый репозиторий: **учебный** (преподавателя) - Базовая ветка: **develop** - Сравниваемая ветка: **свой форк / IvanovII** 8. Отправь PR. ## Задание 1 -- структуры данных ***Напоминание: под каждое задание вы создаете отдельную ветку*** >Для оформления результатов заведи папку **docs** в своей папке и сохраняй туда отчет (в любом формате от .doc до .md, а то и .jpnb). Вспомогательные файлы клади в подпапку **data** внутри **docs** **Цель работы** Реализовать три различные структуры данных «с нуля», применить их для хранения записей телефонного справочника и экспериментально сравнить производительность основных операций. Вы должны собственными руками написать код, чтобы понять внутреннее устройство связного списка, хеш-таблицы и двоичного дерева поиска, а также осознать их сильные и слабые стороны на практике. **!! Задание выполнять в структурной (процедурной) парадигме, не используя классы. Главное реализовать структуры данных «руками» и сравнить их производительность.** ### Базовые операции (обязательны для всех): `insert(name, phone)` -- добавить или обновить запись. `find(name)` -- phone или None. `delete(name)` -- удалить запись, игнорировать отсутствие. `list_all()` -- список всех записей, отсортированный по имени (для BST in‑order обход; для списка и хеш‑таблицы — собрать и отсортировать явно). #### 1. Связный список (LinkedListPhoneBook) Узел представляется словарём: `{'name': 'Имя', 'phone': '123', 'next': None}.` **Функции:** `def ll_insert(head, name, phone)` — проходит до конца (или сразу добавляет в конец) и возвращает новую голову (если вставка в начало) или изменяет список по ссылке. Удобнее возвращать новую голову, если вставка может быть в начало. `def ll_find(head, name)` — ищет узел, возвращает телефон или None. `def ll_delete(head, name)` — удаляет узел, возвращает новую голову. `def ll_list_all(head)` — собирает все записи в список и сортирует (сортировка вынесена отдельно). #### 2. Хеш-таблица Хранится как список buckets фиксированной длины, каждый элемент — голова связного списка (или None). **Функции:** `def ht_insert(buckets, name, phone)` — вычисляет индекс, вызывает ll_insert для соответствующего бакета. Аналогично `ht_find, ht_delete, ht_list_all` (последняя собирает все записи из всех бакетов и сортирует). #### 3. Двоичное дерево поиска Узел — словарь: `{'name': 'Имя', 'phone': '123', 'left': None, 'right': None}.` **Функции:** `def bst_insert(root, name, phone)` — рекурсивно или итеративно вставляет, возвращает новый корень (если корень меняется). `def bst_find(root, name)` — поиск. `def bst_delete(root, name)` — удаление, возвращает новый корень. `def bst_list_all(root)` — центрированный обход (рекурсивно собирает записи в отсортированном порядке). ### Экспериментальная часть (подробно об измерении времени) #### 1. Генерация тестовых данных Создайте список records из N элементов (например, N = 10000). Каждый элемент — кортеж (name, phone). Имена генерируйте как `f"User_{i:05d}"` (равномерное распределение) или случайные слова из небольшого набора (чтобы были повторения и коллизии). Для проверки влияния порядка подготовьте два варианта одного и того же набора: `records_shuffled` — случайный порядок. `records_sorted` — отсортированный по имени (по алфавиту). #### 2. Инструменты замера времени Используйте модуль **time**: ```python import time start = time.perf_counter() # ... операции ... end = time.perf_counter() elapsed = end - start # время в секундах ``` Для многократных замеров удобен `timeit`, но в этой задаче достаточно просто обернуть код в цикл и усреднить. #### 3. Проведение замеров Для каждой структуры данных и для каждого режима входных данных (случайный / отсортированный) выполните: - А. Вставка всех записей Создайте пустую структуру. Засеките время, выполните insert для каждой записи из входного списка. Зафиксируйте общее время вставки. - Б. Поиск 100 случайных записей Возьмите 100 случайных имён из того же набора (гарантированно существующих) и 10 имён, которых нет (например, "None_{i}"). Засеките время на выполнение всех 110 вызовов find. - В. Удаление 50 случайных записей Выберите 50 случайных имён из набора. Засеките время на выполнение delete для каждого. **!! Важно: после вставки структура остаётся заполненной, поиск и удаление выполняются на ней же. Если нужно повторить замер для другого порядка данных — создавайте новую структуру и заполняйте заново.** #### 4. Сохранение результатов **!! Каждый эксперимент повторить минимум 5 раз и записывать и среднее время, и все замеры.** Соберите все замеры в словарь или список, затем сохраните в CSV-файл: ```python import csv results = [ ["Структура", "Режим", "Операция", "Время (сек)"], ["LinkedList", "случайный", "вставка", 0.123], ... ] with open("results.csv", "w", newline="") as f: writer = csv.writer(f) writer.writerows(results) ``` #### 5. Анализ результатов Постройте график (столбчатая диаграмма или линейный график) — можно в Excel, Google Sheets или с помощью matplotlib в Python. Сравните: - Как порядок входных данных влияет на скорость вставки в BST (деградация до O(n) на отсортированных данных). - Почему хеш-таблица почти не чувствительна к порядку. - Почему связный список всегда медленен при поиске. - Как удаление работает в каждой структуре. * Вывод должен содержать ответ на вопрос: какую структуру и для каких задач (частые вставки, частый поиск, необходимость получать данные в порядке) стоит выбирать в реальной жизни.* ## Задание: Поиск выхода из лабиринта (объектно-ориентированная реализация с паттернами) ### Цель работы Разработать гибкую, расширяемую программу для загрузки лабиринта из файла, поиска пути от старта до выхода с возможностью выбора алгоритма, визуализации процесса и экспериментального сравнения алгоритмов. В ходе работы необходимо применить минимум 3 паттерна проектирования из списка GoF, обосновать их выбор и продемонстрировать преимущества такой архитектуры. ### Общая схема приложения (пример) ```mermaid classDiagram class Maze { -Cell[] cells -int width, height -Cell start -Cell exit +getCell(x,y): Cell +getNeighbors(cell): List~Cell~ } class Cell { -int x, y -bool isWall -bool isStart -bool isExit +isPassable(): bool } class MazeBuilder { <> +buildFromFile(filename): Maze } class TextFileMazeBuilder { +buildFromFile(filename): Maze } class PathFindingStrategy { <> +findPath(maze, start, exit): List~Cell~ } class BFSStrategy class DFSStrategy class AStarStrategy class DijkstraStrategy class SearchStats { +timeMs: float +visitedCells: int +pathLength: int } class MazeSolver { -Maze maze -PathFindingStrategy strategy +setStrategy(strategy) +solve(): SearchStats } class Command { <> +execute() +undo() } class MoveCommand { -Player player -Direction dir -Cell previousCell +execute() +undo() } class Player { -Cell currentCell +moveTo(cell) } class Observer { <> +update(event) } class ConsoleView { +update(event) +render(maze, player, path) } MazeBuilder <|.. TextFileMazeBuilder MazeBuilder --> Maze : creates PathFindingStrategy <|.. BFSStrategy PathFindingStrategy <|.. DFSStrategy PathFindingStrategy <|.. AStarStrategy PathFindingStrategy <|.. DijkstraStrategy MazeSolver --> PathFindingStrategy : uses MazeSolver --> Maze : uses Command <|.. MoveCommand MoveCommand --> Player Player --> Cell Observer <|.. ConsoleView MazeSolver --> Observer : notifies ``` ### Выполнение #### Этап 1. Модель лабиринта (без паттернов, просто классы) **Задача:** Создать классы `Cell` и `Maze`, которые представляют карту лабиринта. - `Cell` хранит координаты (x, y), флаги `isWall`, `isStart`, `isExit`, метод `isPassable()` (возвращает `True` для прохода, если не стена). - `Maze` хранит двумерный массив клеток, ширину, высоту, ссылки на стартовую и выходную клетку. Методы: `getCell(x, y)`, `getNeighbors(cell)` – возвращает список соседних проходимых клеток (вверх, вниз, влево, вправо, если в пределах границ и не стена). **Результат:** Лабиринт можно создать вручную в коде, но загрузку пока не делаем. #### Этап 2. Загрузка лабиринта из файла – применение паттерна **Builder** **Задача:** Реализовать загрузку лабиринта из текстового файла, где `#` – стена, ` ` (пробел) – проход, `S` – старт, `E` – выход. - Создать интерфейс `MazeBuilder` с методом `buildFromFile(filename)`. - Реализовать класс `TextFileMazeBuilder`, который читает файл, парсит символы, создаёт объекты `Cell`, задаёт координаты и флаги, после чего возвращает готовый `Maze`. Процесс построения лабиринта сложный (парсинг, валидация, установка старта/выхода). Builder скрывает детали создания от клиента. В будущем можно легко добавить другой формат (например, JSON или бинарный) через новую реализацию `MazeBuilder`. #### Этап 3. Стратегии поиска пути – паттерн **Strategy** **Задача:** Реализовать семейство алгоритмов поиска пути от старта до выхода. - Создать интерфейс `PathFindingStrategy` с методом `findPath(maze, start, exit)`, возвращающим список клеток пути (от старта до выхода включительно) или пустой список, если пути нет. - Реализовать минимум 3 стратегии: - **BFS** (поиск в ширину) – гарантирует кратчайший путь по количеству шагов. - **DFS** (поиск в глубину) – быстрый, но не обязательно кратчайший. - **A*** (с эвристикой, например, манхэттенское расстояние) – компромисс между скоростью и оптимальностью. - (Опционально) **Дейкстра** – полезна для взвешенных лабиринтов, но в базовом варианте все шаги имеют вес 1, тогда она совпадает с BFS. Каждая стратегия возвращает путь. Для BFS/DFS используйте очередь/стек, для A* – приоритетную очередь (heapq). Важно: алгоритмы не должны модифицировать сам лабиринт, только читать состояние клеток. Strategy позволяет легко переключать алгоритмы во время выполнения, не меняя код остальной программы. Новый алгоритм можно добавить, реализовав интерфейс. #### Этап 4. Класс-оркестратор – **MazeSolver** (использует Strategy) **Задача:** Создать класс, который принимает лабиринт и стратегию, выполняет поиск и собирает статистику. - `MazeSolver` содержит поля `maze` и `strategy`. - Метод `setStrategy(strategy)` для динамической смены алгоритма. - Метод `solve()` вызывает `strategy.findPath(...)` и возвращает объект `SearchStats` (время выполнения в миллисекундах, количество посещённых клеток, длина найденного пути). - Для замера времени используйте `time.perf_counter()` до и после вызова стратегии. #### Этап 5. Визуализация и пошаговое управление – паттерны **Observer** и **Command** (по желанию) **5.1. Наблюдатель (Observer)** – обновление консольного интерфейса. - Создать интерфейс `Observer` с методом `update(event)`, где `event` может быть строкой или объектом с типом события (`"path_found"`, `"move"`, `"maze_loaded"`). - Реализовать класс `ConsoleView`, который отображает лабиринт, текущее положение игрока (если реализован пошаговый режим) и найденный путь. Метод `render(maze, player_position, path)` рисует карту в консоли. - `MazeSolver` (или отдельный контроллер) может иметь список наблюдателей и уведомлять их при изменении состояния. **5.2. Команда (Command)** – для пошагового перемещения игрока по найденному пути (или ручного управления). - Создать интерфейс `Command` с методами `execute()` и `undo()`. - Реализовать `MoveCommand`, который принимает игрока (`Player`), направление и изменяет его позицию, сохраняя предыдущую для отмены. - Создать класс `Player`, хранящий текущую клетку. - Консольное меню позволяет вводить команды (W/A/S/D), выполнять `MoveCommand`, при необходимости отменять последний ход (Ctrl+Z). Это опционально, но очень наглядно демонстрирует паттерн. *Observer можно реализовать только для вывода сообщений о начале/конце поиска, а Command – для демонстрации undo при ручном исследовании лабиринта.* #### Этап 6. Экспериментальная часть (аналогично заданию со структурами данных) **Задача:** Сравнить эффективность реализованных стратегий на лабиринтах разной сложности. 1. **Подготовка тестовых лабиринтов:** - Маленький (10×10) с простым путём. - Средний (50×50) с тупиками. - Большой (100×100) с запутанной структурой. - «Пустой» лабиринт (без стен) – для демонстрации максимальной производительности. - «Без выхода» – чтобы проверить обработку отсутствия пути. 2. **Замеры:** - Для каждого лабиринта и каждой стратегии запустить `solve()` 5–10 раз, усреднить время, количество посещённых клеток, длину пути. - Записать результаты в CSV: `лабиринт,стратегия,время_мс,посещено_клеток,длина_пути`. 3. **Анализ:** - Построить графики для каждого лабиринта. - Проанализировать и написать выводы по итогам (эффективность того или иного алгоритма в разных случаях). 4. **Дополнительное задание:** Реализовать взвешенные клетки (например, болото – вес 3, песок – вес 2, асфальт – вес 1) и сравнить Дейкстру с A* на взвешенном графе. #### Этап 7. Отчёт **Структура отчёта:** 1. Описание задачи и выбранных паттернов (с диаграммой классов из Mermaid). 2. Листинги ключевых классов (можно выборочно) или ссылка на репозиторий. 3. Результаты экспериментов (таблицы, графики). 4. Анализ эффективности алгоритмов и применимости паттернов. 5. Выводы: как ООП и паттерны помогли сделать код гибким и расширяемым. Что было бы сложно изменить без них. ### Советы - Для A* самая простая эвристика: `abs(x1 - x2) + abs(y1 - y2)`. - При поиске пути надо хранить предшественников (`parent` для каждой посещённой клетки), чтобы восстановить путь. - Для BFS/DFS используй `deque` (очередь) и `list` (стек). - Визуализацию в консоли можно сделать с помощью `os.system('cls' if os.name == 'nt' else 'clear')` для перерисовки.