forked from UNN/2026-rff_mp
Merge pull request '[1] 1-st-exercise FINAL' (#320) from semyanovra/2026-rff_mp:1-st-exercise into develop
Reviewed-on: UNN/2026-rff_mp#320
This commit is contained in:
commit
a5777ae4bc
31
semyanovra/docs/data/1-st/experiment_results.csv
Normal file
31
semyanovra/docs/data/1-st/experiment_results.csv
Normal file
|
|
@ -0,0 +1,31 @@
|
|||
Structure,Mode,Repeat,Insert (sec),Search (sec),Delete (sec)
|
||||
LinkedList,random,1,3.972341,0.027657,0.012911
|
||||
LinkedList,random,2,4.045646,0.023430,0.015166
|
||||
LinkedList,random,3,4.108713,0.029786,0.011930
|
||||
LinkedList,random,4,4.177241,0.028833,0.014464
|
||||
LinkedList,random,5,4.185596,0.029333,0.012727
|
||||
LinkedList,sorted,1,3.790176,0.025204,0.010269
|
||||
LinkedList,sorted,2,3.810435,0.022951,0.011524
|
||||
LinkedList,sorted,3,3.803720,0.025208,0.010396
|
||||
LinkedList,sorted,4,3.815409,0.027041,0.010837
|
||||
LinkedList,sorted,5,3.803349,0.025340,0.011777
|
||||
HashTable,random,1,0.010245,0.000075,0.000036
|
||||
HashTable,random,2,0.008733,0.000079,0.000069
|
||||
HashTable,random,3,0.013354,0.000094,0.000044
|
||||
HashTable,random,4,0.008903,0.000078,0.000036
|
||||
HashTable,random,5,0.009199,0.000072,0.000033
|
||||
HashTable,sorted,1,0.010286,0.000114,0.000052
|
||||
HashTable,sorted,2,0.009219,0.000073,0.000034
|
||||
HashTable,sorted,3,0.011302,0.000068,0.000033
|
||||
HashTable,sorted,4,0.009324,0.000068,0.000033
|
||||
HashTable,sorted,5,0.008641,0.000068,0.000034
|
||||
BST,random,1,0.027580,0.000190,0.000118
|
||||
BST,random,2,0.020693,0.000188,0.000116
|
||||
BST,random,3,0.020889,0.000190,0.000109
|
||||
BST,random,4,0.022945,0.000182,0.000110
|
||||
BST,random,5,0.022395,0.000207,0.000114
|
||||
BST,sorted,1,9.109235,0.083432,0.049594
|
||||
BST,sorted,2,9.177649,0.097374,0.050929
|
||||
BST,sorted,3,9.414714,0.067665,0.054041
|
||||
BST,sorted,4,9.062772,0.090823,0.048369
|
||||
BST,sorted,5,8.994138,0.072883,0.049921
|
||||
|
303
semyanovra/docs/data/1-st/main.py
Normal file
303
semyanovra/docs/data/1-st/main.py
Normal file
|
|
@ -0,0 +1,303 @@
|
|||
import random
|
||||
import time
|
||||
import csv
|
||||
import sys
|
||||
import pandas as pd
|
||||
import matplotlib.pyplot as plt
|
||||
|
||||
sys.setrecursionlimit(20000)
|
||||
|
||||
def ll_insert(head, name, phone):
|
||||
current = head
|
||||
while current is not None:
|
||||
if current['name'] == name:
|
||||
current['phone'] = phone
|
||||
return head
|
||||
current = current['next']
|
||||
new_node = {'name': name, 'phone': phone, 'next': None}
|
||||
if head is None:
|
||||
return new_node
|
||||
current = head
|
||||
while current['next'] is not None:
|
||||
current = current['next']
|
||||
current['next'] = new_node
|
||||
return head
|
||||
|
||||
def ll_find(head, name):
|
||||
current = head
|
||||
while current is not None:
|
||||
if current['name'] == name:
|
||||
return current['phone']
|
||||
current = current['next']
|
||||
return None
|
||||
|
||||
def ll_delete(head, name):
|
||||
if head is None:
|
||||
return None
|
||||
if head['name'] == name:
|
||||
return head['next']
|
||||
prev = head
|
||||
current = head['next']
|
||||
while current is not None:
|
||||
if current['name'] == name:
|
||||
prev['next'] = current['next']
|
||||
return head
|
||||
prev = current
|
||||
current = current['next']
|
||||
return head
|
||||
|
||||
def ll_list_all(head):
|
||||
records = []
|
||||
current = head
|
||||
while current is not None:
|
||||
records.append((current['name'], current['phone']))
|
||||
current = current['next']
|
||||
records.sort(key=lambda x: x[0])
|
||||
return records
|
||||
|
||||
|
||||
HASH_SIZE = 997
|
||||
|
||||
def hash_func(name, size):
|
||||
return hash(name) % size
|
||||
|
||||
def ht_create():
|
||||
return [None] * HASH_SIZE
|
||||
|
||||
def ht_insert(table, name, phone):
|
||||
idx = hash_func(name, len(table))
|
||||
table[idx] = ll_insert(table[idx], name, phone)
|
||||
return table
|
||||
|
||||
def ht_find(table, name):
|
||||
idx = hash_func(name, len(table))
|
||||
return ll_find(table[idx], name)
|
||||
|
||||
def ht_delete(table, name):
|
||||
idx = hash_func(name, len(table))
|
||||
table[idx] = ll_delete(table[idx], name)
|
||||
return table
|
||||
|
||||
def ht_list_all(table):
|
||||
all_records = []
|
||||
for head in table:
|
||||
current = head
|
||||
while current is not None:
|
||||
all_records.append((current['name'], current['phone']))
|
||||
current = current['next']
|
||||
all_records.sort(key=lambda x: x[0])
|
||||
return all_records
|
||||
|
||||
|
||||
def bst_create_node(name, phone):
|
||||
return {'name': name, 'phone': phone, 'left': None, 'right': None}
|
||||
|
||||
def bst_insert(root, name, phone):
|
||||
if root is None:
|
||||
return bst_create_node(name, phone)
|
||||
if name == root['name']:
|
||||
root['phone'] = phone
|
||||
elif name < root['name']:
|
||||
root['left'] = bst_insert(root['left'], name, phone)
|
||||
else:
|
||||
root['right'] = bst_insert(root['right'], name, phone)
|
||||
return root
|
||||
|
||||
def bst_find(root, name):
|
||||
if root is None:
|
||||
return None
|
||||
if name == root['name']:
|
||||
return root['phone']
|
||||
elif name < root['name']:
|
||||
return bst_find(root['left'], name)
|
||||
else:
|
||||
return bst_find(root['right'], name)
|
||||
|
||||
def bst_find_min(node):
|
||||
while node['left'] is not None:
|
||||
node = node['left']
|
||||
return node
|
||||
|
||||
def bst_delete(root, name):
|
||||
if root is None:
|
||||
return None
|
||||
if name < root['name']:
|
||||
root['left'] = bst_delete(root['left'], name)
|
||||
elif name > root['name']:
|
||||
root['right'] = bst_delete(root['right'], name)
|
||||
else:
|
||||
if root['left'] is None:
|
||||
return root['right']
|
||||
if root['right'] is None:
|
||||
return root['left']
|
||||
min_node = bst_find_min(root['right'])
|
||||
root['name'] = min_node['name']
|
||||
root['phone'] = min_node['phone']
|
||||
root['right'] = bst_delete(root['right'], min_node['name'])
|
||||
return root
|
||||
|
||||
def bst_list_all(root):
|
||||
result = []
|
||||
def inorder(node):
|
||||
if node is None:
|
||||
return
|
||||
inorder(node['left'])
|
||||
result.append((node['name'], node['phone']))
|
||||
inorder(node['right'])
|
||||
inorder(root)
|
||||
return result
|
||||
|
||||
|
||||
def generate_records(num_records, seed=42):
|
||||
random.seed(seed)
|
||||
records = []
|
||||
for i in range(1, num_records + 1):
|
||||
name = f"User_{i:05d}"
|
||||
phone = f"{random.randint(100,999)}-{random.randint(1000,9999)}"
|
||||
records.append((name, phone))
|
||||
return records
|
||||
|
||||
def prepare_datasets(base_records):
|
||||
shuffled = base_records.copy()
|
||||
random.shuffle(shuffled)
|
||||
sorted_records = sorted(base_records, key=lambda x: x[0])
|
||||
return shuffled, sorted_records
|
||||
|
||||
|
||||
def run_experiment_for_structure(struct_funcs, records, mode_name, repeats=5):
|
||||
results = []
|
||||
for rep in range(repeats):
|
||||
ds = struct_funcs['create']()
|
||||
|
||||
start = time.perf_counter()
|
||||
for name, phone in records:
|
||||
ds = struct_funcs['insert'](ds, name, phone)
|
||||
insert_time = time.perf_counter() - start
|
||||
|
||||
existing_names = [rec[0] for rec in records]
|
||||
sample_existing = random.sample(existing_names, 100)
|
||||
nonexistent = [f"None_{i}" for i in range(10)]
|
||||
search_names = sample_existing + nonexistent
|
||||
random.shuffle(search_names)
|
||||
|
||||
start = time.perf_counter()
|
||||
for name in search_names:
|
||||
_ = struct_funcs['find'](ds, name)
|
||||
find_time = time.perf_counter() - start
|
||||
|
||||
to_delete = random.sample(existing_names, 50)
|
||||
start = time.perf_counter()
|
||||
for name in to_delete:
|
||||
ds = struct_funcs['delete'](ds, name)
|
||||
delete_time = time.perf_counter() - start
|
||||
|
||||
results.append({
|
||||
'structure': struct_funcs['name'],
|
||||
'mode': mode_name,
|
||||
'repetition': rep + 1,
|
||||
'insert_time': insert_time,
|
||||
'find_time': find_time,
|
||||
'delete_time': delete_time
|
||||
})
|
||||
return results
|
||||
|
||||
|
||||
def main_experiment():
|
||||
N = 10000
|
||||
REPEATS = 5
|
||||
|
||||
print("Генерация тестовых данных...")
|
||||
base_records = generate_records(N)
|
||||
shuffled_records, sorted_records = prepare_datasets(base_records)
|
||||
print(f"Создано {N} записей. Случайный порядок и отсортированный готовы.")
|
||||
|
||||
structures = {
|
||||
'LinkedList': {
|
||||
'name': 'LinkedList',
|
||||
'create': lambda: None,
|
||||
'insert': ll_insert,
|
||||
'find': ll_find,
|
||||
'delete': ll_delete
|
||||
},
|
||||
'HashTable': {
|
||||
'name': 'HashTable',
|
||||
'create': ht_create,
|
||||
'insert': ht_insert,
|
||||
'find': ht_find,
|
||||
'delete': ht_delete
|
||||
},
|
||||
'BST': {
|
||||
'name': 'BST',
|
||||
'create': lambda: None,
|
||||
'insert': bst_insert,
|
||||
'find': bst_find,
|
||||
'delete': bst_delete
|
||||
}
|
||||
}
|
||||
|
||||
all_results = []
|
||||
|
||||
for struct_name, funcs in structures.items():
|
||||
print(f"Тестирование {struct_name} на случайном порядке...")
|
||||
all_results.extend(run_experiment_for_structure(funcs, shuffled_records, 'random', REPEATS))
|
||||
|
||||
print(f"Тестирование {struct_name} на отсортированном порядке...")
|
||||
all_results.extend(run_experiment_for_structure(funcs, sorted_records, 'sorted', REPEATS))
|
||||
|
||||
csv_file = "experiment_results.csv"
|
||||
with open(csv_file, 'w', newline='', encoding='utf-8') as f:
|
||||
writer = csv.writer(f)
|
||||
writer.writerow(['Structure', 'Mode', 'Repeat', 'Insert (sec)', 'Search (sec)', 'Delete (sec)'])
|
||||
for rec in all_results:
|
||||
writer.writerow([
|
||||
rec['structure'],
|
||||
rec['mode'],
|
||||
rec['repetition'],
|
||||
f"{rec['insert_time']:.6f}",
|
||||
f"{rec['find_time']:.6f}",
|
||||
f"{rec['delete_time']:.6f}"
|
||||
])
|
||||
print(f"Результаты сохранены в {csv_file}")
|
||||
|
||||
plot_results(csv_file)
|
||||
|
||||
|
||||
def plot_results(csv_path):
|
||||
df = pd.read_csv(csv_path)
|
||||
mean_times = df.groupby(['Structure', 'Mode'])[['Insert (sec)', 'Search (sec)', 'Delete (sec)']].mean().reset_index()
|
||||
|
||||
structures = mean_times['Structure'].unique()
|
||||
modes = mean_times['Mode'].unique()
|
||||
|
||||
fig, axes = plt.subplots(1, 3, figsize=(15, 5))
|
||||
operations = ['Insert (sec)', 'Search (sec)', 'Delete (sec)']
|
||||
titles = ['Вставка', 'Поиск', 'Удаление']
|
||||
|
||||
for ax, op, title in zip(axes, operations, titles):
|
||||
x = range(len(structures))
|
||||
width = 0.35
|
||||
|
||||
random_vals = []
|
||||
sorted_vals = []
|
||||
for s in structures:
|
||||
rand_row = mean_times[(mean_times['Structure'] == s) & (mean_times['Mode'] == 'random')]
|
||||
sort_row = mean_times[(mean_times['Structure'] == s) & (mean_times['Mode'] == 'sorted')]
|
||||
random_vals.append(rand_row[op].values[0] if not rand_row.empty else 0)
|
||||
sorted_vals.append(sort_row[op].values[0] if not sort_row.empty else 0)
|
||||
|
||||
ax.bar([i - width/2 for i in x], random_vals, width, label='Случайный порядок')
|
||||
ax.bar([i + width/2 for i in x], sorted_vals, width, label='Отсортированный порядок')
|
||||
ax.set_xticks(x)
|
||||
ax.set_xticklabels(structures)
|
||||
ax.set_ylabel('Время (секунды)')
|
||||
ax.set_title(title)
|
||||
ax.legend()
|
||||
|
||||
plt.tight_layout()
|
||||
plt.savefig('performance_comparison.png', dpi=150)
|
||||
plt.show()
|
||||
print("График сохранён как performance_comparison.png")
|
||||
|
||||
|
||||
if __name__ == "__main__":
|
||||
main_experiment()
|
||||
BIN
semyanovra/docs/data/1-st/performance_comparison.png
Normal file
BIN
semyanovra/docs/data/1-st/performance_comparison.png
Normal file
Binary file not shown.
|
After Width: | Height: | Size: 56 KiB |
629
semyanovra/docs/data/2-nd/maze.py
Normal file
629
semyanovra/docs/data/2-nd/maze.py
Normal file
|
|
@ -0,0 +1,629 @@
|
|||
import sys
|
||||
from collections import deque
|
||||
import heapq
|
||||
import time
|
||||
import os
|
||||
import csv
|
||||
import matplotlib.pyplot as plt
|
||||
import numpy as np
|
||||
|
||||
|
||||
# ----------------------------- Модель клетки -----------------------------
|
||||
class GridCell:
|
||||
def __init__(self, x, y):
|
||||
self._x = x
|
||||
self._y = y
|
||||
self._blocked = False
|
||||
self._entry = False
|
||||
self._exit_flag = False
|
||||
|
||||
@property
|
||||
def x(self):
|
||||
return self._x
|
||||
|
||||
@property
|
||||
def y(self):
|
||||
return self._y
|
||||
|
||||
@property
|
||||
def is_wall(self):
|
||||
return self._blocked
|
||||
|
||||
@is_wall.setter
|
||||
def is_wall(self, value):
|
||||
self._blocked = value
|
||||
|
||||
@property
|
||||
def is_start(self):
|
||||
return self._entry
|
||||
|
||||
@is_start.setter
|
||||
def is_start(self, value):
|
||||
self._entry = value
|
||||
|
||||
@property
|
||||
def is_exit(self):
|
||||
return self._exit_flag
|
||||
|
||||
@is_exit.setter
|
||||
def is_exit(self, value):
|
||||
self._exit_flag = value
|
||||
|
||||
def passable(self):
|
||||
return not self._blocked
|
||||
|
||||
|
||||
# ----------------------------- Модель лабиринта -----------------------------
|
||||
class Labyrinth:
|
||||
def __init__(self, width, height):
|
||||
self._width = width
|
||||
self._height = height
|
||||
self._cells = [[GridCell(x, y) for x in range(width)] for y in range(height)]
|
||||
self._start_cell = None
|
||||
self._exit_cell = None
|
||||
|
||||
@property
|
||||
def width(self):
|
||||
return self._width
|
||||
|
||||
@property
|
||||
def height(self):
|
||||
return self._height
|
||||
|
||||
@property
|
||||
def start(self):
|
||||
return self._start_cell
|
||||
|
||||
@property
|
||||
def exit(self):
|
||||
return self._exit_cell
|
||||
|
||||
def cell_at(self, x, y):
|
||||
if 0 <= x < self._width and 0 <= y < self._height:
|
||||
return self._cells[y][x]
|
||||
return None
|
||||
|
||||
def configure_cell(self, x, y, cell_type):
|
||||
cell = self.cell_at(x, y)
|
||||
if cell is None:
|
||||
return
|
||||
|
||||
if cell_type == 'wall':
|
||||
cell.is_wall = True
|
||||
elif cell_type == 'start':
|
||||
if self._start_cell:
|
||||
self._start_cell.is_start = False
|
||||
cell.is_start = True
|
||||
cell.is_wall = False
|
||||
self._start_cell = cell
|
||||
elif cell_type == 'exit':
|
||||
if self._exit_cell:
|
||||
self._exit_cell.is_exit = False
|
||||
cell.is_exit = True
|
||||
cell.is_wall = False
|
||||
self._exit_cell = cell
|
||||
elif cell_type == 'path':
|
||||
cell.is_wall = False
|
||||
|
||||
def adjacent_cells(self, cell):
|
||||
neighbours = []
|
||||
directions = [(0, -1), (0, 1), (-1, 0), (1, 0)]
|
||||
for dx, dy in directions:
|
||||
nx, ny = cell.x + dx, cell.y + dy
|
||||
neighbour = self.cell_at(nx, ny)
|
||||
if neighbour and neighbour.passable():
|
||||
neighbours.append(neighbour)
|
||||
return neighbours
|
||||
|
||||
|
||||
# ----------------------------- Загрузка лабиринта -----------------------------
|
||||
class LabyrinthBuilder:
|
||||
def build_from_file(self, filename):
|
||||
raise NotImplementedError
|
||||
|
||||
|
||||
class TxtLabyrinthBuilder(LabyrinthBuilder):
|
||||
def build_from_file(self, filename):
|
||||
with open(filename, 'r') 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_cnt = 0
|
||||
exit_cnt = 0
|
||||
lab = Labyrinth(width, height)
|
||||
|
||||
for y, line in enumerate(lines):
|
||||
for x, ch in enumerate(line):
|
||||
if ch == "#":
|
||||
lab.configure_cell(x, y, "wall")
|
||||
elif ch == "S":
|
||||
lab.configure_cell(x, y, "start")
|
||||
start_cnt += 1
|
||||
elif ch == "E":
|
||||
lab.configure_cell(x, y, "exit")
|
||||
exit_cnt += 1
|
||||
else:
|
||||
lab.configure_cell(x, y, 'path')
|
||||
if start_cnt != 1 or exit_cnt != 1:
|
||||
raise ValueError(f"Maze must have exactly one S and one E. Found S={start_cnt}, E={exit_cnt}")
|
||||
return lab
|
||||
|
||||
|
||||
# ----------------------------- Алгоритмы поиска -----------------------------
|
||||
class SearchAlgorithm:
|
||||
def compute_path(self, maze, start, goal):
|
||||
raise NotImplementedError
|
||||
|
||||
def _build_path(self, came_from, start, goal):
|
||||
path = []
|
||||
cur = goal
|
||||
while cur is not None:
|
||||
path.append(cur)
|
||||
cur = came_from.get(cur)
|
||||
path.reverse()
|
||||
return path
|
||||
|
||||
def visited_nodes(self):
|
||||
return getattr(self, '_visited', 0)
|
||||
|
||||
|
||||
class BFS(SearchAlgorithm):
|
||||
def compute_path(self, maze, start, goal):
|
||||
q = deque()
|
||||
q.append(start)
|
||||
came_from = {start: None}
|
||||
visited = {start}
|
||||
|
||||
while q:
|
||||
cur = q.popleft()
|
||||
if cur == goal:
|
||||
self._visited = len(visited)
|
||||
return self._build_path(came_from, start, goal)
|
||||
for nb in maze.adjacent_cells(cur):
|
||||
if nb not in visited:
|
||||
visited.add(nb)
|
||||
came_from[nb] = cur
|
||||
q.append(nb)
|
||||
self._visited = len(visited)
|
||||
return []
|
||||
|
||||
|
||||
class DFS(SearchAlgorithm):
|
||||
def compute_path(self, maze, start, goal):
|
||||
stack = [start]
|
||||
came_from = {start: None}
|
||||
visited = {start}
|
||||
|
||||
while stack:
|
||||
cur = stack.pop()
|
||||
if cur == goal:
|
||||
self._visited = len(visited)
|
||||
return self._build_path(came_from, start, goal)
|
||||
for nb in maze.adjacent_cells(cur):
|
||||
if nb not in visited:
|
||||
visited.add(nb)
|
||||
came_from[nb] = cur
|
||||
stack.append(nb)
|
||||
self._visited = len(visited)
|
||||
return []
|
||||
|
||||
|
||||
class AStar(SearchAlgorithm):
|
||||
def _heuristic(self, cell, goal):
|
||||
return abs(cell.x - goal.x) + abs(cell.y - goal.y)
|
||||
|
||||
def compute_path(self, maze, start, goal):
|
||||
heap = []
|
||||
counter = 0
|
||||
start_f = self._heuristic(start, goal)
|
||||
heapq.heappush(heap, (start_f, counter, start))
|
||||
counter += 1
|
||||
|
||||
came_from = {}
|
||||
g_score = {start: 0}
|
||||
f_score = {start: start_f}
|
||||
visited = set()
|
||||
|
||||
while heap:
|
||||
cur_f, _, cur = heapq.heappop(heap)
|
||||
visited.add(cur)
|
||||
|
||||
if cur == goal:
|
||||
self._visited = len(visited)
|
||||
return self._build_path(came_from, start, goal)
|
||||
if cur_f > f_score.get(cur, float('inf')):
|
||||
continue
|
||||
for nb in maze.adjacent_cells(cur):
|
||||
tentative_g = g_score[cur] + 1
|
||||
if tentative_g < g_score.get(nb, float('inf')):
|
||||
came_from[nb] = cur
|
||||
g_score[nb] = tentative_g
|
||||
new_f = tentative_g + self._heuristic(nb, goal)
|
||||
f_score[nb] = new_f
|
||||
heapq.heappush(heap, (new_f, counter, nb))
|
||||
counter += 1
|
||||
self._visited = len(visited)
|
||||
return []
|
||||
|
||||
|
||||
# ----------------------------- Оркестратор -----------------------------
|
||||
class Pathfinder:
|
||||
def __init__(self, maze):
|
||||
self._maze = maze
|
||||
self._algorithm = None
|
||||
self._listeners = []
|
||||
|
||||
def attach(self, listener):
|
||||
self._listeners.append(listener)
|
||||
|
||||
def notify(self, event, data):
|
||||
for lst in self._listeners:
|
||||
lst.update(event, data)
|
||||
|
||||
def set_algorithm(self, algorithm):
|
||||
self._algorithm = algorithm
|
||||
|
||||
def solve(self):
|
||||
if self._algorithm is None:
|
||||
return None
|
||||
t0 = time.perf_counter()
|
||||
path = self._algorithm.compute_path(self._maze, self._maze.start, self._maze.exit)
|
||||
t1 = time.perf_counter()
|
||||
elapsed_ms = (t1 - t0) * 1000
|
||||
|
||||
self.notify("path_found", path)
|
||||
|
||||
return PerformanceData(elapsed_ms, self._algorithm.visited_nodes(), len(path))
|
||||
|
||||
|
||||
class PerformanceData:
|
||||
def __init__(self, time_ms, visited, length):
|
||||
self.time_ms = time_ms
|
||||
self.visited_cells = visited
|
||||
self.path_length = length
|
||||
|
||||
|
||||
# ----------------------------- Наблюдатель и отображение -----------------------------
|
||||
class EventListener:
|
||||
def update(self, event_type, data):
|
||||
raise NotImplementedError
|
||||
|
||||
|
||||
class ConsoleDisplay(EventListener):
|
||||
def __init__(self, walker=None):
|
||||
self._last_path = None
|
||||
self._walker = walker
|
||||
|
||||
def update(self, event_type, data):
|
||||
if event_type == "maze_loaded":
|
||||
self._render_maze(data)
|
||||
elif event_type == "path_found":
|
||||
self._last_path = data
|
||||
self._render_path(data)
|
||||
elif event_type == "player_moved":
|
||||
self._render_maze_with_player(data)
|
||||
|
||||
def _render_maze(self, maze):
|
||||
os.system('cls' if os.name == 'nt' else 'clear')
|
||||
print("=" * (maze.width * 2 + 4))
|
||||
print(" LABYRINTH")
|
||||
print("=" * (maze.width * 2 + 4))
|
||||
|
||||
for y in range(maze.height):
|
||||
print(" ", end='')
|
||||
for x in range(maze.width):
|
||||
cell = maze.cell_at(x, y)
|
||||
if cell == maze.start:
|
||||
print('S', end=' ')
|
||||
elif cell == maze.exit:
|
||||
print('E', end=' ')
|
||||
elif cell.is_wall:
|
||||
print('#', end=' ')
|
||||
else:
|
||||
print('.', end=' ')
|
||||
print()
|
||||
print("=" * (maze.width * 2 + 4))
|
||||
print(" S - start E - exit # - wall . - path")
|
||||
|
||||
def _render_maze_with_player(self, maze):
|
||||
os.system('cls' if os.name == 'nt' else 'clear')
|
||||
print("=" * (maze.width * 2 + 4))
|
||||
print(" LABYRINTH (P - player)")
|
||||
print("=" * (maze.width * 2 + 4))
|
||||
|
||||
for y in range(maze.height):
|
||||
print(" ", end='')
|
||||
for x in range(maze.width):
|
||||
cell = maze.cell_at(x, y)
|
||||
if self._walker and cell == self._walker.current:
|
||||
print('P', end=' ')
|
||||
elif cell == maze.start:
|
||||
print('S', end=' ')
|
||||
elif cell == maze.exit:
|
||||
print('E', end=' ')
|
||||
elif cell.is_wall:
|
||||
print('#', end=' ')
|
||||
else:
|
||||
print('.', end=' ')
|
||||
print()
|
||||
print("=" * (maze.width * 2 + 4))
|
||||
print(f" Player position: ({self._walker.current.x}, {self._walker.current.y})")
|
||||
print(" S - start E - exit # - wall . - path P - player")
|
||||
|
||||
def _render_path(self, path):
|
||||
if not path:
|
||||
print("\n Path not found!")
|
||||
return
|
||||
print(f"\n Path found! Length: {len(path)}")
|
||||
|
||||
|
||||
# ----------------------------- Игрок и команды -----------------------------
|
||||
class Walker:
|
||||
def __init__(self, start_cell, lab):
|
||||
self._current = start_cell
|
||||
self._previous = None
|
||||
self._labyrinth = lab
|
||||
|
||||
@property
|
||||
def current(self):
|
||||
return self._current
|
||||
|
||||
def move_to(self, cell):
|
||||
if cell and cell.passable():
|
||||
self._previous = self._current
|
||||
self._current = cell
|
||||
return True
|
||||
return False
|
||||
|
||||
def undo_move(self):
|
||||
if self._previous:
|
||||
self._current, self._previous = self._previous, None
|
||||
return True
|
||||
return False
|
||||
|
||||
|
||||
class Action:
|
||||
def execute(self):
|
||||
raise NotImplementedError
|
||||
|
||||
def undo(self):
|
||||
raise NotImplementedError
|
||||
|
||||
|
||||
class MoveAction(Action):
|
||||
def __init__(self, walker, direction, lab):
|
||||
self._walker = walker
|
||||
self._dx, self._dy = direction
|
||||
self._lab = lab
|
||||
self._executed = False
|
||||
|
||||
def execute(self):
|
||||
new_x = self._walker.current.x + self._dx
|
||||
new_y = self._walker.current.y + self._dy
|
||||
target = self._lab.cell_at(new_x, new_y)
|
||||
|
||||
if target and target.passable():
|
||||
self._walker.move_to(target)
|
||||
self._executed = True
|
||||
return True
|
||||
return False
|
||||
|
||||
def undo(self):
|
||||
if self._executed:
|
||||
self._walker.undo_move()
|
||||
self._executed = False
|
||||
return True
|
||||
return False
|
||||
|
||||
|
||||
# ----------------------------- Эксперименты и статистика -----------------------------
|
||||
def run_benchmark(maze_file, algorithm, runs=5):
|
||||
builder = TxtLabyrinthBuilder()
|
||||
maze = builder.build_from_file(maze_file)
|
||||
|
||||
total_time = 0.0
|
||||
total_visited = 0
|
||||
total_length = 0
|
||||
|
||||
for _ in range(runs):
|
||||
solver = Pathfinder(maze)
|
||||
solver.set_algorithm(algorithm)
|
||||
stats = solver.solve()
|
||||
if stats:
|
||||
total_time += stats.time_ms
|
||||
total_visited += stats.visited_cells
|
||||
total_length += stats.path_length
|
||||
|
||||
return {
|
||||
'time_ms': total_time / runs,
|
||||
'visited_cells': total_visited / runs,
|
||||
'path_length': total_length / runs
|
||||
}
|
||||
|
||||
|
||||
def generate_charts(results):
|
||||
mazes = list(set(r['maze'] for r in results))
|
||||
alg_names = ['BFS', 'DFS', 'AStar']
|
||||
|
||||
fig, axes = plt.subplots(1, 3, figsize=(15, 5))
|
||||
|
||||
x = np.arange(len(mazes))
|
||||
width = 0.25
|
||||
|
||||
for i, alg in enumerate(alg_names):
|
||||
times = []
|
||||
for m in mazes:
|
||||
val = next((r['time_ms'] for r in results if r['maze'] == m and r['strategy'] == alg), 0)
|
||||
times.append(val)
|
||||
axes[0].bar(x + i * width, times, width, label=alg)
|
||||
|
||||
axes[0].set_xlabel('Maze')
|
||||
axes[0].set_ylabel('Time (ms)')
|
||||
axes[0].set_title('Execution Time')
|
||||
axes[0].set_xticks(x + width)
|
||||
axes[0].set_xticklabels(mazes, rotation=45, ha='right')
|
||||
axes[0].legend()
|
||||
axes[0].grid(True, alpha=0.3)
|
||||
|
||||
for i, alg in enumerate(alg_names):
|
||||
visited = []
|
||||
for m in mazes:
|
||||
val = next((r['visited_cells'] for r in results if r['maze'] == m and r['strategy'] == alg), 0)
|
||||
visited.append(val)
|
||||
axes[1].bar(x + i * width, visited, width, label=alg)
|
||||
|
||||
axes[1].set_xlabel('Maze')
|
||||
axes[1].set_ylabel('Visited Cells')
|
||||
axes[1].set_title('Visited Nodes')
|
||||
axes[1].set_xticks(x + width)
|
||||
axes[1].set_xticklabels(mazes, rotation=45, ha='right')
|
||||
axes[1].legend()
|
||||
axes[1].grid(True, alpha=0.3)
|
||||
|
||||
for i, alg in enumerate(alg_names):
|
||||
lengths = []
|
||||
for m in mazes:
|
||||
val = next((r['path_length'] for r in results if r['maze'] == m and r['strategy'] == alg), 0)
|
||||
lengths.append(val)
|
||||
axes[2].bar(x + i * width, lengths, width, label=alg)
|
||||
|
||||
axes[2].set_xlabel('Maze')
|
||||
axes[2].set_ylabel('Path Length')
|
||||
axes[2].set_title('Optimality')
|
||||
axes[2].set_xticks(x + width)
|
||||
axes[2].set_xticklabels(mazes, rotation=45, ha='right')
|
||||
axes[2].legend()
|
||||
axes[2].grid(True, alpha=0.3)
|
||||
|
||||
plt.tight_layout()
|
||||
plt.savefig('maze_benchmark.png', dpi=150, bbox_inches='tight')
|
||||
plt.show()
|
||||
|
||||
|
||||
def run_experiments():
|
||||
test_mazes = [
|
||||
("maze/level1.txt", "Small 10x6"),
|
||||
("maze/medium10x10.txt", "Medium 10x10"),
|
||||
("maze/large20x20.txt", "Large 20x20"),
|
||||
("maze/empty15x15.txt", "Empty 15x15"),
|
||||
("maze/no_exit10x10.txt", "No exit 10x10")
|
||||
]
|
||||
|
||||
algorithms = [
|
||||
("BFS", BFS()),
|
||||
("DFS", DFS()),
|
||||
("AStar", AStar())
|
||||
]
|
||||
|
||||
results = []
|
||||
|
||||
for filepath, display_name in test_mazes:
|
||||
print(f"Testing {display_name}...")
|
||||
for alg_name, alg_obj in algorithms:
|
||||
try:
|
||||
stats = run_benchmark(filepath, alg_obj, runs=3)
|
||||
results.append({
|
||||
'maze': display_name,
|
||||
'strategy': alg_name,
|
||||
'time_ms': stats['time_ms'],
|
||||
'visited_cells': stats['visited_cells'],
|
||||
'path_length': stats['path_length']
|
||||
})
|
||||
print(f" {alg_name}: time={stats['time_ms']:.3f}ms, visited={stats['visited_cells']:.0f}, length={stats['path_length']:.0f}")
|
||||
except Exception as e:
|
||||
print(f" {alg_name}: ERROR - {e}")
|
||||
results.append({
|
||||
'maze': display_name,
|
||||
'strategy': alg_name,
|
||||
'time_ms': -1,
|
||||
'visited_cells': -1,
|
||||
'path_length': -1
|
||||
})
|
||||
|
||||
valid = [r for r in results if r['time_ms'] >= 0]
|
||||
if not valid:
|
||||
print("No valid results to save.")
|
||||
return
|
||||
|
||||
with open('maze_experiment.csv', 'w', newline='', encoding='utf-8') as f:
|
||||
writer = csv.DictWriter(f, fieldnames=['maze', 'strategy', 'time_ms', 'visited_cells', 'path_length'])
|
||||
writer.writeheader()
|
||||
writer.writerows(valid)
|
||||
|
||||
generate_charts(valid)
|
||||
print("\nResults saved to maze_experiment.csv")
|
||||
print("Plot saved to maze_benchmark.png")
|
||||
|
||||
|
||||
def play_game():
|
||||
builder = TxtLabyrinthBuilder()
|
||||
maze = builder.build_from_file("maze/level1.txt")
|
||||
|
||||
walker = Walker(maze.start, maze)
|
||||
view = ConsoleDisplay(walker)
|
||||
view._render_maze(maze)
|
||||
|
||||
solver = Pathfinder(maze)
|
||||
solver.attach(view)
|
||||
|
||||
print("\n CONTROLS:")
|
||||
print(" H (left) J (down) K (up) L (right)")
|
||||
print(" U - undo Q - quit")
|
||||
print("\n AUTO SEARCH:")
|
||||
print(" B - BFS D - DFS A - A*")
|
||||
print("\n" + "=" * 50)
|
||||
|
||||
action_stack = []
|
||||
|
||||
while True:
|
||||
cmd = input("\n Command > ").lower()
|
||||
|
||||
if cmd == 'q':
|
||||
print("\n Goodbye!")
|
||||
break
|
||||
elif cmd == 'b':
|
||||
solver.set_algorithm(BFS())
|
||||
stats = solver.solve()
|
||||
if stats:
|
||||
print(f"\n BFS: time={stats.time_ms:.3f}ms, visited={stats.visited_cells}, length={stats.path_length}")
|
||||
elif cmd == 'd':
|
||||
solver.set_algorithm(DFS())
|
||||
stats = solver.solve()
|
||||
if stats:
|
||||
print(f"\n DFS: time={stats.time_ms:.3f}ms, visited={stats.visited_cells}, length={stats.path_length}")
|
||||
elif cmd == 'a':
|
||||
solver.set_algorithm(AStar())
|
||||
stats = solver.solve()
|
||||
if stats:
|
||||
print(f"\n A*: time={stats.time_ms:.3f}ms, visited={stats.visited_cells}, length={stats.path_length}")
|
||||
elif cmd in ['h', 'j', 'k', 'l']:
|
||||
dir_map = {'h': (-1, 0), 'l': (1, 0), 'k': (0, -1), 'j': (0, 1)}
|
||||
action = MoveAction(walker, dir_map[cmd], maze)
|
||||
if action.execute():
|
||||
action_stack.append(action)
|
||||
view._render_maze_with_player(maze)
|
||||
if walker.current == maze.exit:
|
||||
print("\n CONGRATULATIONS! YOU FOUND THE EXIT!")
|
||||
print(f" Total moves: {len(action_stack)}")
|
||||
break
|
||||
else:
|
||||
print("\n Cannot go there! It's a wall.")
|
||||
elif cmd == 'u':
|
||||
if action_stack:
|
||||
last = action_stack.pop()
|
||||
last.undo()
|
||||
view._render_maze_with_player(maze)
|
||||
print("\n Undo last move")
|
||||
else:
|
||||
print("\n Nothing to undo")
|
||||
else:
|
||||
print("\n Unknown command. Use h,j,k,l to move, u to undo, q to quit")
|
||||
|
||||
print("\n Game over. Thanks for playing!")
|
||||
|
||||
|
||||
if __name__ == "__main__":
|
||||
if len(sys.argv) > 1 and sys.argv[1] in ('experiment', 'benchmark'):
|
||||
run_experiments()
|
||||
else:
|
||||
play_game()
|
||||
15
semyanovra/docs/data/2-nd/maze/empty15x15.txt
Normal file
15
semyanovra/docs/data/2-nd/maze/empty15x15.txt
Normal file
|
|
@ -0,0 +1,15 @@
|
|||
###############
|
||||
#S #
|
||||
# #
|
||||
# #
|
||||
# #
|
||||
# #
|
||||
# #
|
||||
# #
|
||||
# #
|
||||
# #
|
||||
# #
|
||||
# #
|
||||
# #
|
||||
# E#
|
||||
###############
|
||||
21
semyanovra/docs/data/2-nd/maze/large20x20.txt
Normal file
21
semyanovra/docs/data/2-nd/maze/large20x20.txt
Normal file
|
|
@ -0,0 +1,21 @@
|
|||
####################
|
||||
#S #
|
||||
# ### ##### ##### ##
|
||||
# # # # # #
|
||||
### # # ### ### # # #
|
||||
# # # # # # #
|
||||
# ### ### # # ### ###
|
||||
# # # # #
|
||||
##### ### # ####### #
|
||||
# # # # #
|
||||
# ### # ### ### # # #
|
||||
# # # # # # #
|
||||
# # ### ### # # ### #
|
||||
# # # # #
|
||||
# # ######### # ### #
|
||||
# # # # # #
|
||||
# ### # ### # # # # #
|
||||
# # # # # #
|
||||
### ### # ### # # ###
|
||||
# E #
|
||||
####################
|
||||
6
semyanovra/docs/data/2-nd/maze/level1.txt
Normal file
6
semyanovra/docs/data/2-nd/maze/level1.txt
Normal file
|
|
@ -0,0 +1,6 @@
|
|||
##########
|
||||
#S #
|
||||
# ### ####
|
||||
# # #
|
||||
# # E#
|
||||
##########
|
||||
10
semyanovra/docs/data/2-nd/maze/medium10x10.txt
Normal file
10
semyanovra/docs/data/2-nd/maze/medium10x10.txt
Normal file
|
|
@ -0,0 +1,10 @@
|
|||
##########
|
||||
#S #
|
||||
# ### ### #
|
||||
# # # #
|
||||
### # ### #
|
||||
# # #
|
||||
# ### ### #
|
||||
# # #
|
||||
# ### ###E#
|
||||
##########
|
||||
11
semyanovra/docs/data/2-nd/maze/no_exit10x10.txt
Normal file
11
semyanovra/docs/data/2-nd/maze/no_exit10x10.txt
Normal file
|
|
@ -0,0 +1,11 @@
|
|||
##########
|
||||
#S #
|
||||
# ### ### #
|
||||
# # # #
|
||||
### # ### #
|
||||
# # #
|
||||
# ### ### #
|
||||
# # #
|
||||
# ### ### #
|
||||
########E #
|
||||
##########
|
||||
BIN
semyanovra/docs/maze_benchmark.png
Normal file
BIN
semyanovra/docs/maze_benchmark.png
Normal file
Binary file not shown.
|
After Width: | Height: | Size: 85 KiB |
16
semyanovra/docs/maze_experiment.csv
Normal file
16
semyanovra/docs/maze_experiment.csv
Normal file
|
|
@ -0,0 +1,16 @@
|
|||
maze,strategy,time_ms,visited_cells,path_length
|
||||
Small 10x6,BFS,0.031851000433865316,24.0,11.0
|
||||
Small 10x6,DFS,0.01671833342697937,17.0,11.0
|
||||
Small 10x6,AStar,0.06431333319293724,24.0,11.0
|
||||
Medium 10x10,BFS,0.04361866679876888,42.0,16.0
|
||||
Medium 10x10,DFS,0.024233000052239124,26.0,16.0
|
||||
Medium 10x10,AStar,0.06044533317132542,30.0,16.0
|
||||
Large 20x20,BFS,0.24542399993758104,211.0,36.0
|
||||
Large 20x20,DFS,0.2113953335841264,170.0,100.0
|
||||
Large 20x20,AStar,0.2638656663596824,103.0,36.0
|
||||
Empty 15x15,BFS,0.19875599991792114,169.0,25.0
|
||||
Empty 15x15,DFS,0.12158433310105465,169.0,97.0
|
||||
Empty 15x15,AStar,0.4113716665112103,169.0,25.0
|
||||
No exit 10x10,BFS,0.0542050001968164,45.0,18.0
|
||||
No exit 10x10,DFS,0.029572332702324882,28.0,18.0
|
||||
No exit 10x10,AStar,0.08293900009448407,35.0,18.0
|
||||
|
BIN
semyanovra/docs/performance_comparison.png
Normal file
BIN
semyanovra/docs/performance_comparison.png
Normal file
Binary file not shown.
|
After Width: | Height: | Size: 56 KiB |
66
semyanovra/docs/report1.md
Normal file
66
semyanovra/docs/report1.md
Normal file
|
|
@ -0,0 +1,66 @@
|
|||
# Отчёт по лабораторной работе «Структуры данных»
|
||||
|
||||
## Цель работы
|
||||
Реализовать три структуры данных (связный список, хеш-таблицу, двоичное дерево поиска) «с нуля» и экспериментально сравнить их производительность на операциях вставки, поиска и удаления записей телефонного справочника.
|
||||
|
||||
## Реализованные структуры
|
||||
- **Связный список (LinkedList)** – элементы хранятся в узлах со ссылкой на следующий.
|
||||
- **Хеш-таблица (HashTable)** – массив корзин фиксированного размера (997), каждая корзина – связный список.
|
||||
- **Двоичное дерево поиска (BST)** – узлы содержат ключ (имя) и ссылки на левое/правое поддеревья.
|
||||
|
||||
Все операции реализованы вручную без использования классов.
|
||||
|
||||
## Методика эксперимента
|
||||
- **Объём данных**: N = 10 000 записей вида `User_XXXXX` → случайный телефон.
|
||||
- **Режимы ввода**: случайный порядок и отсортированный по имени.
|
||||
- **Действия**:
|
||||
1. Вставка всех записей.
|
||||
2. Поиск 100 существующих + 10 несуществующих имён.
|
||||
3. Удаление 50 случайных записей.
|
||||
- **Повторения**: каждый эксперимент выполнен 5 раз, зафиксировано время (`time.perf_counter`).
|
||||
- **Сбор результатов**: усреднение по 5 повторениям.
|
||||
|
||||
## Результаты измерений
|
||||
### Среднее время операций (секунды)
|
||||
|
||||
| Структура | Режим | Вставка | Поиск | Удаление |
|
||||
|-------------|-------------|----------|----------|----------|
|
||||
| LinkedList | случайный | 4.0979 | 0.0278 | 0.0134 |
|
||||
| LinkedList | отсортир. | 3.8044 | 0.0251 | 0.0110 |
|
||||
| HashTable | случайный | 0.0101 | 0.000080 | 0.000044 |
|
||||
| HashTable | отсортир. | 0.0098 | 0.000078 | 0.000037 |
|
||||
| BST | случайный | 0.0229 | 0.000191 | 0.000113 |
|
||||
| BST | отсортир. | 9.1518 | 0.0824 | 0.0506 |
|
||||
|
||||
*Полные замеры всех 5 повторений сохранены в `experiment_results.csv`.*
|
||||
|
||||
### График сравнения
|
||||
|
||||
|
||||
## Анализ результатов
|
||||
|
||||
### Влияние порядка данных на BST
|
||||
При вставке отсортированных данных BST вырождается в линейный список (высота ≈ N).
|
||||
Время вставки возрастает с **0.023 с** (случайный) до **9.15 с** (отсортированный) – деградация в **~400 раз**.
|
||||
Поиск и удаление замедляются аналогично.
|
||||
|
||||
### Устойчивость хеш-таблицы
|
||||
Хеш-функция равномерно распределяет ключи независимо от порядка.
|
||||
Время вставки в случайном (0.0101 с) и отсортированном (0.0098 с) режимах практически одинаково, как и поиск (~0.00008 с).
|
||||
|
||||
### Медлительность связного списка
|
||||
Поиск (O(n)) на 10 000 элементов занимает ~0.027 с, что на два порядка медленнее хеш-таблицы.
|
||||
Вставка в конец также требует прохода по всему списку (~4 с).
|
||||
|
||||
### Удаление
|
||||
Наиболее эффективно в хеш-таблице (≈0.00004 с).
|
||||
В BST на случайных данных удаление быстрое (0.00011 с), но на отсортированных деградирует до 0.05 с.
|
||||
В списке удаление (0.013 с) сравнимо с поиском.
|
||||
|
||||
## Выводы и рекомендации
|
||||
|
||||
1. **Хеш-таблица** – оптимальный выбор для задач, где нужен быстрый доступ по ключу, а порядок данных не важен.
|
||||
2. **Двоичное дерево поиска** – подходит, если требуется получать записи в отсортированном порядке **и** данные поступают в случайном порядке. При отсортированных входных данных необходима балансировка (AVL, красно-чёрное дерево).
|
||||
3. **Связный список** – неэффективен для больших объёмов; может применяться только в учебных целях или при очень маленьких коллекциях.
|
||||
|
||||
В реальных проектах для справочников и словарей следует выбирать хеш-таблицы или сбалансированные деревья в зависимости от необходимости упорядоченного вывода.
|
||||
177
semyanovra/docs/report2.md
Normal file
177
semyanovra/docs/report2.md
Normal file
|
|
@ -0,0 +1,177 @@
|
|||
# Отчет по лабораторной работе: Поиск выхода из лабиринта
|
||||
|
||||
## 1. Описание задачи
|
||||
|
||||
Разработать программу для загрузки лабиринта из текстового файла, поиска пути от стартовой клетки до выхода с возможностью выбора алгоритма поиска, визуализации процесса и экспериментального сравнения эффективности алгоритмов.
|
||||
|
||||
### Основные требования:
|
||||
- Реализовать модель лабиринта (классы Cell, Maze)
|
||||
- Реализовать загрузку лабиринта из файла с символами # (стена), S (старт), E (выход)
|
||||
- Реализовать три алгоритма поиска пути: BFS, DFS, A*
|
||||
- Реализовать класс-оркестратор MazeSolver с возможностью смены стратегии
|
||||
- Собрать статистику: время выполнения, количество посещенных клеток, длина пути
|
||||
- Провести эксперименты на лабиринтах разной сложности
|
||||
|
||||
### Использованные паттерны проектирования GoF:
|
||||
|
||||
#### 1. Builder
|
||||
- **Где используется:** Классы `LabyrinthBuilder` и `TxtLabyrinthBuilder`
|
||||
- **Почему выбран:** Создание лабиринта из файла включает сложную логику парсинга, валидации и установки старта и выхода. Builder скрывает эти детали от клиента и позволяет легко добавлять новые форматы файлов
|
||||
- **Преимущества:** При добавлении нового формата достаточно создать новый класс-строитель, не меняя существующие классы Labyrinth и алгоритмы поиска
|
||||
|
||||
#### 2. Strategy
|
||||
- **Где используется:** Классы `SearchAlgorithm`, `BFS`, `DFS`, `AStar`
|
||||
- **Почему выбран:** Алгоритмы поиска пути взаимозаменяемы и решают одну задачу разными способами. Strategy позволяет динамически менять алгоритм во время выполнения и легко добавлять новые алгоритмы
|
||||
- **Преимущества:** Класс Pathfinder может использовать любую стратегию через метод set_algorithm. Добавление нового алгоритма требует только создания нового класса
|
||||
|
||||
#### 3. Observer
|
||||
- **Где используется:** Классы `EventListener` и `ConsoleDisplay`
|
||||
- **Почему выбран:** Приложение должно обновлять консольный интерфейс при различных событиях. Observer отделяет логику отображения от логики приложения
|
||||
- **Преимущества:** Легко добавить новые виды отображения без изменения основной логики
|
||||
|
||||
#### 4. Command
|
||||
- **Где используется:** Классы `Action` и `MoveAction`
|
||||
- **Почему выбран:** Для реализации пошагового перемещения игрока с возможностью отмены действий. Command инкапсулирует действие в объект и позволяет реализовать undo и redo
|
||||
- **Преимущества:** Хранение истории действий и возможность отмены последних ходов без изменения логики класса Walker
|
||||
|
||||
## 2. Архитектура приложения
|
||||
|
||||
Приложение состоит из следующих основных компонентов:
|
||||
|
||||
| Компонент | Назначение |
|
||||
|-----------|------------|
|
||||
| `GridCell` | Модель клетки лабиринта (координаты, стена, старт, выход) |
|
||||
| `Labyrinth` | Модель лабиринта (сетка клеток, методы доступа) |
|
||||
| `TxtLabyrinthBuilder` | Загрузка лабиринта из текстового файла |
|
||||
| `BFS`, `DFS`, `AStar` | Алгоритмы поиска пути |
|
||||
| `Pathfinder` | Оркестратор, управляющий поиском |
|
||||
| `ConsoleDisplay` | Визуализация лабиринта и игрока |
|
||||
| `Walker` | Управление позицией игрока |
|
||||
| `MoveAction` | Команда перемещения с поддержкой Undo |
|
||||
|
||||
## 3. Реализация алгоритмов поиска пути
|
||||
|
||||
### BFS (Поиск в ширину)
|
||||
Алгоритм использует очередь для обхода лабиринта. Начинает со стартовой клетки, помещает её в очередь. Затем циклически извлекает клетку из начала очереди, проверяет не является ли она выходом, и добавляет всех непосещенных соседей в конец очереди. **Гарантирует нахождение кратчайшего пути** по количеству шагов.
|
||||
|
||||
### DFS (Поиск в глубину)
|
||||
Алгоритм использует стек для обхода лабиринта. Начинает со стартовой клетки, помещает её в стек. Затем циклически извлекает клетку из конца стека, проверяет не является ли она выходом, и добавляет всех непосещенных соседей в стек. **Не гарантирует нахождение кратчайшего пути**, но обычно быстрее по времени.
|
||||
|
||||
### A* (A звездочка)
|
||||
Алгоритм использует приоритетную очередь с эвристической функцией. Оценивает клетки по формуле f = g + h, где g - реальная стоимость пути от старта, h - эвристическое расстояние до выхода (манхэттенское расстояние). **Всегда находит кратчайший путь** при допустимой эвристике и обычно быстрее BFS.
|
||||
|
||||
## 4. Экспериментальная часть
|
||||
|
||||
### Тестовые лабиринты
|
||||
|
||||
| Имя файла | Размер | Описание |
|
||||
|-----------|--------|----------|
|
||||
| level1.txt | 10x6 | Простой лабиринт |
|
||||
| medium10x10.txt | 10x10 | Лабиринт среднего размера |
|
||||
| large20x20.txt | 20x20 | Большой запутанный лабиринт |
|
||||
| empty15x15.txt | 15x15 | Пустой лабиринт без стен |
|
||||
| no_exit10x10.txt | 10x10 | Лабиринт без достижимого выхода |
|
||||
|
||||
### Результаты замеров
|
||||
|
||||
Каждый эксперимент проводился 3 раза с усреднением результатов.
|
||||
|
||||
| Лабиринт | Алгоритм | Время (мс) | Посещено клеток | Длина пути |
|
||||
|----------|----------|------------|-----------------|------------|
|
||||
| Small 10x6 | BFS | 0.032 | 24 | 11 |
|
||||
| Small 10x6 | DFS | 0.017 | 17 | 11 |
|
||||
| Small 10x6 | A* | 0.064 | 24 | 11 |
|
||||
| Medium 10x10 | BFS | 0.044 | 42 | 16 |
|
||||
| Medium 10x10 | DFS | 0.024 | 26 | 16 |
|
||||
| Medium 10x10 | A* | 0.060 | 30 | 16 |
|
||||
| Large 20x20 | BFS | 0.245 | 211 | 36 |
|
||||
| Large 20x20 | DFS | 0.211 | 170 | 100 |
|
||||
| Large 20x20 | A* | 0.264 | 103 | 36 |
|
||||
| Empty 15x15 | BFS | 0.199 | 169 | 25 |
|
||||
| Empty 15x15 | DFS | 0.122 | 169 | 97 |
|
||||
| Empty 15x15 | A* | 0.411 | 169 | 25 |
|
||||
| No exit 10x10 | BFS | 0.054 | 45 | 18 |
|
||||
| No exit 10x10 | DFS | 0.030 | 28 | 18 |
|
||||
| No exit 10x10 | A* | 0.083 | 35 | 18 |
|
||||
|
||||
### Графики
|
||||
|
||||
|
||||
|
||||
На графике представлено сравнение трех алгоритмов по трем метрикам: время выполнения (мс), количество посещенных клеток и длина найденного пути.
|
||||
|
||||
## 5. Анализ результатов
|
||||
|
||||
### Сравнение характеристик алгоритмов
|
||||
|
||||
| Характеристика | BFS | DFS | A* |
|
||||
|----------------|-----|-----|-----|
|
||||
| Гарантия кратчайшего пути | Да | Нет | Да |
|
||||
| Скорость на малых лабиринтах | Средняя | Быстрая | Средняя |
|
||||
| Скорость на больших лабиринтах | Средняя | Быстрая | Средняя |
|
||||
| Потребление памяти | Высокое | Низкое | Среднее |
|
||||
| Количество посещенных клеток | Много (211) | Среднее (170) | Мало (103) |
|
||||
|
||||
### Детальный анализ по лабиринтам
|
||||
|
||||
**Small 10x6:**
|
||||
- Все алгоритмы нашли оптимальный путь длиной 11 шагов
|
||||
- DFS оказался самым быстрым (0.017 мс) и посетил меньше всего клеток (17)
|
||||
- A* посетил больше клеток (24), но нашел оптимальный путь
|
||||
|
||||
**Medium 10x10:**
|
||||
- Оптимальный путь - 16 шагов (BFS и A*)
|
||||
- DFS нашел путь длиной 16 (в данном случае совпал с оптимальным)
|
||||
- DFS снова самый быстрый (0.024 мс) и посетил 26 клеток против 42 у BFS
|
||||
|
||||
**Large 20x20:**
|
||||
- BFS и A* нашли оптимальный путь (36 шагов)
|
||||
- **DFS нашел неоптимальный путь (100 шагов), что на 64 шага длиннее!**
|
||||
- A* посетил значительно меньше клеток (103 против 211 у BFS)
|
||||
- Это показывает преимущество эвристики A* на больших лабиринтах
|
||||
|
||||
**Empty 15x15:**
|
||||
- Оптимальный путь - 25 шагов (по прямой)
|
||||
- DFS нашел путь длиной 97 шагов, что в 3.8 раза длиннее!
|
||||
- Все алгоритмы посетили одинаковое количество клеток (169) - весь лабиринт
|
||||
- A* показал самое большое время из-за накладных расходов на эвристику
|
||||
|
||||
**No exit 10x10:**
|
||||
- Все алгоритмы обошли весь достижимый лабиринт
|
||||
- DFS посетил меньше клеток (28 против 45 у BFS)
|
||||
- Длина пути 18 показывает, что алгоритмы прошли до тупика
|
||||
|
||||
### Ключевые выводы
|
||||
|
||||
1. **BFS** - надежный выбор, когда гарантия кратчайшего пути критична. Работает предсказуемо, но на больших лабиринтах посещает много клеток (211 против 103 у A*)
|
||||
|
||||
2. **DFS** - самый быстрый алгоритм в большинстве тестов (0.017-0.211 мс), но **ненадежен для поиска оптимального пути**. В большом лабиринте путь оказался на 64% длиннее оптимального!
|
||||
|
||||
3. **A*** - лучший баланс. Находит кратчайший путь (как BFS), но посещает на 51% меньше клеток в большом лабиринте. Немного медленнее DFS из-за вычисления эвристики.
|
||||
|
||||
### Рекомендации по выбору алгоритма
|
||||
|
||||
| Ситуация | Рекомендуемый алгоритм | Обоснование |
|
||||
|----------|----------------------|-------------|
|
||||
| Небольшой лабиринт (< 100 клеток) | Любой | Разница в производительности незначительна |
|
||||
| Большой лабиринт, нужен кратчайший путь | **A*** | Быстрее BFS, посещает меньше клеток |
|
||||
| Максимальная скорость, путь не важен | **DFS** | Самый быстрый, но может найти длинный путь |
|
||||
| Лабиринт неизвестной структуры | **A*** | Лучшее соотношение скорость/качество |
|
||||
|
||||
## 6. Заключение
|
||||
|
||||
### Преимущества использованных паттернов
|
||||
|
||||
**Builder** позволил легко реализовать загрузку лабиринтов из текстовых файлов и оставил возможность для добавления других форматов без изменения основного кода.
|
||||
|
||||
**Strategy** сделал алгоритмы поиска взаимозаменяемыми. Добавление нового алгоритма (например, Дейкстры) потребовало бы только создания нового класса.
|
||||
|
||||
**Observer** отделил логику отображения от логики приложения, что упростило добавление новых видов визуализации.
|
||||
|
||||
**Command** позволил реализовать пошаговое управление игроком с возможностью отмены действий без усложнения класса Walker.
|
||||
|
||||
### Итог
|
||||
|
||||
Разработанная программа демонстрирует преимущества объектно-ориентированного подхода и использования паттернов проектирования. Код является гибким, расширяемым и легко поддерживаемым.
|
||||
|
||||
Эксперименты показали, что **A*** является наиболее сбалансированным алгоритмом для поиска пути в лабиринте, обеспечивая оптимальный путь при приемлемой скорости работы и минимальном количестве посещенных клеток. DFS может быть полезен только когда скорость критична, а оптимальность пути не важна. BFS остается надежным выбором для небольших лабиринтов, где простота реализации важнее производительности.
|
||||
88
src/bst.py
Normal file
88
src/bst.py
Normal file
|
|
@ -0,0 +1,88 @@
|
|||
# bst.py
|
||||
# Двоичное дерево поиска по имени
|
||||
|
||||
def create_node(name, phone):
|
||||
"""Создаёт узел дерева."""
|
||||
return {
|
||||
'name': name,
|
||||
'phone': phone,
|
||||
'left': None,
|
||||
'right': None
|
||||
}
|
||||
|
||||
def bst_insert(root, name, phone):
|
||||
"""
|
||||
Рекурсивно вставляет или обновляет запись.
|
||||
Возвращает корень (может измениться при первой вставке).
|
||||
"""
|
||||
if root is None:
|
||||
return create_node(name, phone)
|
||||
|
||||
if name < root['name']:
|
||||
root['left'] = bst_insert(root['left'], name, phone)
|
||||
elif name > root['name']:
|
||||
root['right'] = bst_insert(root['right'], name, phone)
|
||||
else: # имя уже существует – обновляем телефон
|
||||
root['phone'] = phone
|
||||
return root
|
||||
|
||||
def bst_find(root, name):
|
||||
"""Возвращает телефон или None."""
|
||||
if root is None:
|
||||
return None
|
||||
if name == root['name']:
|
||||
return root['phone']
|
||||
elif name < root['name']:
|
||||
return bst_find(root['left'], name)
|
||||
else:
|
||||
return bst_find(root['right'], name)
|
||||
|
||||
def _min_node(node):
|
||||
"""Находит узел с минимальным именем в поддереве."""
|
||||
current = node
|
||||
while current['left'] is not None:
|
||||
current = current['left']
|
||||
return current
|
||||
|
||||
def bst_delete(root, name):
|
||||
"""
|
||||
Удаляет узел с заданным именем.
|
||||
Возвращает новый корень поддерева.
|
||||
"""
|
||||
if root is None:
|
||||
return None
|
||||
|
||||
if name < root['name']:
|
||||
root['left'] = bst_delete(root['left'], name)
|
||||
elif name > root['name']:
|
||||
root['right'] = bst_delete(root['right'], name)
|
||||
else:
|
||||
# Узел найден
|
||||
if root['left'] is None:
|
||||
return root['right']
|
||||
elif root['right'] is None:
|
||||
return root['left']
|
||||
|
||||
# Узел с двумя детьми: находим минимальный в правом поддереве
|
||||
temp = _min_node(root['right'])
|
||||
root['name'] = temp['name']
|
||||
root['phone'] = temp['phone']
|
||||
root['right'] = bst_delete(root['right'], temp['name'])
|
||||
|
||||
return root
|
||||
|
||||
def bst_list_all(root):
|
||||
"""
|
||||
Центрированный (in-order) обход – возвращает записи,
|
||||
уже отсортированные по имени.
|
||||
"""
|
||||
def _inorder(node, result):
|
||||
if node is None:
|
||||
return
|
||||
_inorder(node['left'], result)
|
||||
result.append((node['name'], node['phone']))
|
||||
_inorder(node['right'], result)
|
||||
|
||||
records = []
|
||||
_inorder(root, records)
|
||||
return records
|
||||
46
src/hash_table.py
Normal file
46
src/hash_table.py
Normal file
|
|
@ -0,0 +1,46 @@
|
|||
# hash_table.py
|
||||
# Хеш-таблица с цепочками (использует linked_list.py)
|
||||
|
||||
import linked_list as ll
|
||||
|
||||
def create_hash_table(size=1000):
|
||||
"""
|
||||
Создаёт пустую хеш-таблицу.
|
||||
size – количество корзин (рекомендуется простое число).
|
||||
"""
|
||||
return [None] * size
|
||||
|
||||
def _hash(name, table_size):
|
||||
"""Простая хеш-функция на основе суммы кодов символов."""
|
||||
return sum(ord(ch) for ch in name) % table_size
|
||||
|
||||
def ht_insert(table, name, phone):
|
||||
"""Вставляет или обновляет запись."""
|
||||
idx = _hash(name, len(table))
|
||||
# Вставляем в связный список в этой корзине
|
||||
table[idx] = ll.ll_insert(table[idx], name, phone)
|
||||
|
||||
def ht_find(table, name):
|
||||
"""Ищет телефон по имени."""
|
||||
idx = _hash(name, len(table))
|
||||
return ll.ll_find(table[idx], name)
|
||||
|
||||
def ht_delete(table, name):
|
||||
"""Удаляет запись по имени."""
|
||||
idx = _hash(name, len(table))
|
||||
table[idx] = ll.ll_delete(table[idx], name)
|
||||
|
||||
def ht_list_all(table):
|
||||
"""
|
||||
Собирает все записи из всех корзин,
|
||||
возвращает отсортированный по имени список.
|
||||
"""
|
||||
records = []
|
||||
for bucket in table:
|
||||
# Каждая корзина – голова связного списка
|
||||
current = bucket
|
||||
while current is not None:
|
||||
records.append((current['name'], current['phone']))
|
||||
current = current['next']
|
||||
records.sort(key=lambda x: x[0])
|
||||
return record
|
||||
74
src/linked_list.py
Normal file
74
src/linked_list.py
Normal file
|
|
@ -0,0 +1,74 @@
|
|||
# linked_list.py
|
||||
# Связный список для телефонного справочника
|
||||
|
||||
def create_node(name, phone):
|
||||
"""Создаёт новый узел-словарь."""
|
||||
return {'name': name, 'phone': phone, 'next': None}
|
||||
|
||||
def ll_insert(head, name, phone):
|
||||
"""
|
||||
Вставляет или обновляет запись.
|
||||
Если имя уже существует – обновляет телефон.
|
||||
Если нет – добавляет в конец списка.
|
||||
Возвращает голову списка (может измениться, если вставка в начало).
|
||||
"""
|
||||
# Если список пуст – создаём первый узел
|
||||
if head is None:
|
||||
return create_node(name, phone)
|
||||
|
||||
# Проверяем, не находится ли имя в первом узле
|
||||
if head['name'] == name:
|
||||
head['phone'] = phone
|
||||
return head
|
||||
|
||||
# Ищем узел с таким именем или конец списка
|
||||
current = head
|
||||
while current['next'] is not None:
|
||||
if current['next']['name'] == name:
|
||||
current['next']['phone'] = phone
|
||||
return head
|
||||
current = current['next']
|
||||
|
||||
# Имя не найдено – добавляем в конец
|
||||
current['next'] = create_node(name, phone)
|
||||
return head
|
||||
|
||||
def ll_find(head, name):
|
||||
"""Ищет телефон по имени. Возвращает phone или None."""
|
||||
current = head
|
||||
while current is not None:
|
||||
if current['name'] == name:
|
||||
return current['phone']
|
||||
current = current['next']
|
||||
return None
|
||||
|
||||
def ll_delete(head, name):
|
||||
"""Удаляет узел с заданным именем. Возвращает новую голову."""
|
||||
if head is None:
|
||||
return None
|
||||
|
||||
# Если удаляем голову
|
||||
if head['name'] == name:
|
||||
return head['next']
|
||||
|
||||
# Ищем предыдущий узел
|
||||
current = head
|
||||
while current['next'] is not None:
|
||||
if current['next']['name'] == name:
|
||||
current['next'] = current['next']['next']
|
||||
return head
|
||||
current = current['next']
|
||||
return head
|
||||
|
||||
def ll_list_all(head):
|
||||
"""
|
||||
Возвращает список всех записей в виде [(name, phone), ...],
|
||||
отсортированный по имени. Сама структура не сортируется.
|
||||
"""
|
||||
records = []
|
||||
current = head
|
||||
while current is not None:
|
||||
records.append((current['name'], current['phone']))
|
||||
current = current['next']
|
||||
records.sort(key=lambda x: x[0]) # сортировка по имени
|
||||
return record
|
||||
129
src/measure_time.py
Normal file
129
src/measure_time.py
Normal file
|
|
@ -0,0 +1,129 @@
|
|||
"""
|
||||
Экспериментальная часть. Пункт 2: Инструменты замера времени.
|
||||
Цель: предоставить функции для многократного измерения времени выполнения
|
||||
операций со структурами данных (LinkedList, HashTable, BST).
|
||||
|
||||
Особенности:
|
||||
- Используется time.perf_counter() для высокой точности.
|
||||
- Каждый эксперимент повторяется min_runs раз (по умолчанию 5), результаты сохраняются.
|
||||
- Вычисляется среднее арифметическое и список всех замеров.
|
||||
- Результаты можно напрямую сохранить в CSV.
|
||||
"""
|
||||
|
||||
import time
|
||||
from typing import List, Tuple, Callable, Any
|
||||
import random
|
||||
|
||||
# Предполагается, что generate_test_data из пункта 1 уже определена
|
||||
# from experimental_part1 import generate_test_data # если код в другом файле
|
||||
|
||||
# ========== 1. Базовые замеры ==========
|
||||
|
||||
def measure_time(func: Callable, *args, **kwargs) -> float:
|
||||
"""
|
||||
Измеряет время выполнения функции func(*args, **kwargs).
|
||||
Возвращает время в секундах (float).
|
||||
"""
|
||||
start = time.perf_counter()
|
||||
result = func(*args, **kwargs)
|
||||
end = time.perf_counter()
|
||||
return end - start, result
|
||||
|
||||
# ========== 2. Многократные замеры с усреднением ==========
|
||||
|
||||
def run_experiment(func: Callable, args: Tuple, min_runs: int = 5) -> Tuple[float, List[float]]:
|
||||
"""
|
||||
Повторяет замер функции func(*args) минимум min_runs раз.
|
||||
Возвращает (среднее_время, список_всех_замеров).
|
||||
"""
|
||||
times = []
|
||||
for _ in range(min_runs):
|
||||
elapsed, _ = measure_time(func, *args)
|
||||
times.append(elapsed)
|
||||
avg_time = sum(times) / len(times)
|
||||
return avg_time, times
|
||||
|
||||
# ========== 3. Тестовые сценарии (заглушки для демонстрации) ==========
|
||||
|
||||
# Ниже приведены примеры-заглушки для структур данных.
|
||||
# В реальной работе их нужно заменить на реализованные функции.
|
||||
|
||||
def stub_insert(structure, name, phone):
|
||||
"""Заглушка для вставки."""
|
||||
pass
|
||||
|
||||
def stub_find(structure, name):
|
||||
"""Заглушка для поиска."""
|
||||
return None
|
||||
|
||||
def stub_delete(structure, name):
|
||||
"""Заглушка для удаления."""
|
||||
pass
|
||||
|
||||
def stub_list_all(structure):
|
||||
"""Заглушка для получения всех записей."""
|
||||
return []
|
||||
|
||||
# Пример функции, которая вставляет все записи из списка в структуру
|
||||
def insert_all(structure, records, insert_func):
|
||||
"""
|
||||
Выполняет вставку всех записей (name, phone) в structure,
|
||||
используя функцию insert_func(structure, name, phone).
|
||||
"""
|
||||
for name, phone in records:
|
||||
insert_func(structure, name, phone)
|
||||
|
||||
# Пример замера вставки для конкретной структуры
|
||||
def benchmark_insert(structure_creator, records, insert_func, runs=5):
|
||||
"""
|
||||
Создаёт новую структуру через structure_creator(),
|
||||
затем измеряет время вставки всех записей.
|
||||
"""
|
||||
def _insert_all():
|
||||
structure = structure_creator()
|
||||
insert_all(structure, records, insert_func)
|
||||
return structure
|
||||
|
||||
avg_time, all_times = run_experiment(_insert_all, args=(), min_runs=runs)
|
||||
return avg_time, all_times
|
||||
|
||||
# ========== 4. Пример использования (демонстрация) ==========
|
||||
|
||||
if __name__ == "__main__":
|
||||
# Фиксируем seed для воспроизводимости
|
||||
random.seed(42)
|
||||
|
||||
# Генерируем тестовые данные (пункт 1)
|
||||
N = 10000
|
||||
records_shuffled, records_sorted = generate_test_data(N, duplicate_names_ratio=0.1)
|
||||
|
||||
# Выбираем 100 случайных имён для поиска (существующих) и 10 несуществующих
|
||||
existing_names = [name for name, _ in records_shuffled[:100]] # первые 100 имён
|
||||
nonexisting_names = [f"None_{i}" for i in range(10)]
|
||||
|
||||
# Для демонстрации используем заглушки
|
||||
def dummy_creator():
|
||||
return "dummy_structure"
|
||||
|
||||
print("=== Демонстрация замера времени (заглушки) ===")
|
||||
avg, times = benchmark_insert(dummy_creator, records_shuffled, stub_insert, runs=3)
|
||||
print(f"Среднее время вставки (заглушка): {avg:.6f} сек")
|
||||
print(f"Все замеры: {times}")
|
||||
|
||||
# Пример сбора результатов для CSV
|
||||
results = [
|
||||
["Структура", "Режим", "Операция", "Время (сек)"],
|
||||
["LinkedList", "случайный", "вставка", 0.123],
|
||||
# ... реальные данные появятся после реализации структур
|
||||
]
|
||||
|
||||
# Сохранение в CS
|
||||
|
||||
|
||||
V (раскомментировать при необходимости)
|
||||
# import csv
|
||||
# with open("docs/data/results.csv", "w", newline="") as f:
|
||||
# writer = csv.writer(f)
|
||||
# writer.writerows(results)
|
||||
|
||||
print("\nГотово. Замеры можно проводить после реализации структур.")
|
||||
Loading…
Reference in New Issue
Block a user