forked from UNN/2026-rff_mp
Merge pull request 'FirsovAV' (#400) from LebedevES/2026-rff_mp:FirsovAV into develop
Reviewed-on: UNN/2026-rff_mp#400
This commit is contained in:
commit
182e97e0be
1
2026-rff_mp
Submodule
1
2026-rff_mp
Submodule
|
|
@ -0,0 +1 @@
|
|||
Subproject commit 52c001a380431727397e4275c2be9d94fe5fcc8d
|
||||
0
BobrovKN/425.txt
Normal file
0
BobrovKN/425.txt
Normal file
292
BobrovKN/zadanie/zad 1/1.py
Normal file
292
BobrovKN/zadanie/zad 1/1.py
Normal file
|
|
@ -0,0 +1,292 @@
|
|||
#!/usr/bin/env python3
|
||||
# -*- coding: utf-8 -*-
|
||||
|
||||
import time
|
||||
import random
|
||||
import csv
|
||||
import sys
|
||||
sys.setrecursionlimit(30000)
|
||||
|
||||
def ll_create_node(name, phone):
|
||||
return {'name': name, 'phone': phone, 'next': None}
|
||||
|
||||
def ll_insert(head, name, phone):
|
||||
if head is None:
|
||||
return ll_create_node(name, phone)
|
||||
|
||||
if head['name'] == name:
|
||||
head['phone'] = phone
|
||||
return head
|
||||
|
||||
current = head
|
||||
while current['next'] is not None:
|
||||
if current['next']['name'] == name:
|
||||
current['next']['phone'] = phone
|
||||
return head
|
||||
current = current['next']
|
||||
|
||||
current['next'] = ll_create_node(name, phone)
|
||||
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']
|
||||
|
||||
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):
|
||||
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
|
||||
|
||||
def hash_function(name, table_size):
|
||||
return sum(ord(c) for c in name) % table_size
|
||||
|
||||
def ht_create_table(size=2000):
|
||||
return [None] * size
|
||||
|
||||
def ht_insert(table, name, phone):
|
||||
index = hash_function(name, len(table))
|
||||
table[index] = ll_insert(table[index], name, phone)
|
||||
|
||||
def ht_find(table, name):
|
||||
index = hash_function(name, len(table))
|
||||
return ll_find(table[index], name)
|
||||
|
||||
def ht_delete(table, name):
|
||||
index = hash_function(name, len(table))
|
||||
table[index] = ll_delete(table[index], name)
|
||||
|
||||
def ht_list_all(table):
|
||||
all_records = []
|
||||
for bucket in table:
|
||||
if bucket is not None:
|
||||
current = bucket
|
||||
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)
|
||||
|
||||
current = root
|
||||
while True:
|
||||
if name < current['name']:
|
||||
if current['left'] is None:
|
||||
current['left'] = bst_create_node(name, phone)
|
||||
break
|
||||
else:
|
||||
current = current['left']
|
||||
elif name > current['name']:
|
||||
if current['right'] is None:
|
||||
current['right'] = bst_create_node(name, phone)
|
||||
break
|
||||
else:
|
||||
current = current['right']
|
||||
else:
|
||||
current['phone'] = phone
|
||||
break
|
||||
|
||||
return root
|
||||
|
||||
def bst_find(root, name):
|
||||
current = root
|
||||
while current is not None:
|
||||
if name < current['name']:
|
||||
current = current['left']
|
||||
elif name > current['name']:
|
||||
current = current['right']
|
||||
else:
|
||||
return current['phone']
|
||||
return None
|
||||
|
||||
def bst_find_min(node):
|
||||
current = node
|
||||
while current['left'] is not None:
|
||||
current = current['left']
|
||||
return current
|
||||
|
||||
def bst_delete(root, name):
|
||||
if root is None:
|
||||
return None
|
||||
|
||||
parent = None
|
||||
current = root
|
||||
|
||||
while current is not None and current['name'] != name:
|
||||
parent = current
|
||||
if name < current['name']:
|
||||
current = current['left']
|
||||
else:
|
||||
current = current['right']
|
||||
|
||||
if current is None:
|
||||
return root
|
||||
|
||||
if current['left'] is None or current['right'] is None:
|
||||
if current['left'] is not None:
|
||||
child = current['left']
|
||||
else:
|
||||
child = current['right']
|
||||
|
||||
if parent is None:
|
||||
return child
|
||||
|
||||
if parent['left'] == current:
|
||||
parent['left'] = child
|
||||
else:
|
||||
parent['right'] = child
|
||||
else:
|
||||
successor_parent = current
|
||||
successor = current['right']
|
||||
|
||||
while successor['left'] is not None:
|
||||
successor_parent = successor
|
||||
successor = successor['left']
|
||||
|
||||
current['name'] = successor['name']
|
||||
current['phone'] = successor['phone']
|
||||
|
||||
if successor_parent['left'] == successor:
|
||||
successor_parent['left'] = successor['right']
|
||||
else:
|
||||
successor_parent['right'] = successor['right']
|
||||
|
||||
return root
|
||||
|
||||
def bst_list_all(root):
|
||||
records = []
|
||||
stack = []
|
||||
current = root
|
||||
|
||||
while stack or current is not None:
|
||||
while current is not None:
|
||||
stack.append(current)
|
||||
current = current['left']
|
||||
current = stack.pop()
|
||||
records.append((current['name'], current['phone']))
|
||||
current = current['right']
|
||||
|
||||
return records
|
||||
|
||||
def generate_data(n=10000):
|
||||
records = [(f"User_{i:05d}", f"+7-999-{i:06d}") for i in range(n)]
|
||||
records_shuffled = records.copy()
|
||||
random.shuffle(records_shuffled)
|
||||
records_sorted = sorted(records, key=lambda x: x[0])
|
||||
return records_shuffled, records_sorted
|
||||
|
||||
def run_experiment(structure_name, insert_func, find_func, delete_func,
|
||||
list_all_func, init_func, records, n_find=100):
|
||||
|
||||
data = init_func()
|
||||
names = [r[0] for r in records]
|
||||
|
||||
start = time.perf_counter()
|
||||
for name, phone in records:
|
||||
if structure_name == "HashTable":
|
||||
insert_func(data, name, phone)
|
||||
else:
|
||||
data = insert_func(data, name, phone)
|
||||
insert_time = time.perf_counter() - start
|
||||
|
||||
find_names = random.sample(names, min(n_find, len(names)))
|
||||
missing_names = [f"None_{i}" for i in range(10)]
|
||||
all_find_names = find_names + missing_names
|
||||
|
||||
start = time.perf_counter()
|
||||
for name in all_find_names:
|
||||
if structure_name == "HashTable":
|
||||
find_func(data, name)
|
||||
else:
|
||||
find_func(data, name)
|
||||
find_time = time.perf_counter() - start
|
||||
|
||||
delete_names = random.sample(names, min(50, len(names)))
|
||||
start = time.perf_counter()
|
||||
for name in delete_names:
|
||||
if structure_name == "HashTable":
|
||||
delete_func(data, name)
|
||||
else:
|
||||
data = delete_func(data, name)
|
||||
delete_time = time.perf_counter() - start
|
||||
|
||||
return insert_time, find_time, delete_time
|
||||
|
||||
def main():
|
||||
print("Generating test data...")
|
||||
records_shuffled, records_sorted = generate_data(10000)
|
||||
|
||||
results = []
|
||||
|
||||
structures = [
|
||||
("LinkedList", ll_insert, ll_find, ll_delete, ll_list_all, lambda: None),
|
||||
("HashTable", ht_insert, ht_find, ht_delete, ht_list_all, lambda: ht_create_table(2000)),
|
||||
("BST", bst_insert, bst_find, bst_delete, bst_list_all, lambda: None)
|
||||
]
|
||||
|
||||
for mode_name, records in [("random", records_shuffled), ("sorted", records_sorted)]:
|
||||
print(f"\nMode: {mode_name}")
|
||||
|
||||
for struct_name, insert_f, find_f, delete_f, list_f, init_f in structures:
|
||||
print(f" Testing {struct_name}...")
|
||||
|
||||
times = []
|
||||
for run in range(5):
|
||||
insert_t, find_t, delete_t = run_experiment(
|
||||
struct_name, insert_f, find_f, delete_f, list_f, init_f, records
|
||||
)
|
||||
times.append((insert_t, find_t, delete_t))
|
||||
print(f" Run {run+1}: insert={insert_t:.4f}s, find={find_t:.4f}s, delete={delete_t:.4f}s")
|
||||
|
||||
avg_insert = sum(t[0] for t in times) / 5
|
||||
avg_find = sum(t[1] for t in times) / 5
|
||||
avg_delete = sum(t[2] for t in times) / 5
|
||||
|
||||
results.append([struct_name, mode_name, "insert", avg_insert])
|
||||
results.append([struct_name, mode_name, "find", avg_find])
|
||||
results.append([struct_name, mode_name, "delete", avg_delete])
|
||||
|
||||
with open("results.csv", "w", newline="", encoding="utf-8") as f:
|
||||
writer = csv.writer(f)
|
||||
writer.writerow(["Structure", "Mode", "Operation", "Time_seconds"])
|
||||
writer.writerows(results)
|
||||
|
||||
print("\n" + "="*60)
|
||||
print("RESULTS (average over 5 runs):")
|
||||
print("="*60)
|
||||
for row in results:
|
||||
print(f"{row[0]:12} | {row[1]:8} | {row[2]:8} | {row[3]:.6f} sec")
|
||||
|
||||
print("\nResults saved to results.csv")
|
||||
|
||||
if __name__ == "__main__":
|
||||
main()
|
||||
122
BobrovKN/zadanie/zad 1/otchet1.txt
Normal file
122
BobrovKN/zadanie/zad 1/otchet1.txt
Normal file
|
|
@ -0,0 +1,122 @@
|
|||
|
||||
|
||||
Методы Программирования
|
||||
|
||||
|
||||
Структуры данных,
|
||||
анализ 1 задания
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
Бобров К. Н.
|
||||
425 группа
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
Содержание
|
||||
|
||||
Как порядок входных данных влияет на скорость вставки в BST 2
|
||||
Почему хеш-таблица почти не чувствительна к порядку 4
|
||||
Почему связный список всегда медленен при поиске 6
|
||||
Как удаление работает в каждой структуре 7
|
||||
Вывод 9
|
||||
|
||||
|
||||
|
||||
|
||||
Как порядок входных данных влияет на скорость вставки в BST
|
||||
|
||||
При вставке отсортированных данных в BST (красный график) производительность падает в разы по сравнению со вставкой случайных данных. Это связано с тем, что отсортированная последовательность приводит к вырождению дерева в связанный список, тогда как случайный порядок вставки помогает сохранять дерево относительно сбалансированным.
|
||||
При вставке элементов в отсортированном порядке (по возрастанию или убыванию):
|
||||
?Каждый новый элемент всегда больше (или меньше) всех уже добавленных.
|
||||
?В результате алгоритм каждый раз движется по одному и тому же направлению — только в правое или только в левое поддерево.
|
||||
?Из-за этого дерево вырождается: каждый узел имеет не более одного потомка, структура напоминает линейный список.
|
||||
?Высота такого дерева становится пропорциональной O(n).
|
||||
?Каждая операция вставки требует в среднем O(n) сравнений, так как нужно проходить всю длину текущей цепочки от корня до самого глубокого листа.
|
||||
?В итоге суммарная сложность вставки всех n элементов вырастает до O(n^2).
|
||||
|
||||
|
||||
При случайной вставке:
|
||||
?Элементы распределяются по дереву гораздо равномернее.
|
||||
?Высока вероятность того, что дерево останется сбалансированным.
|
||||
?Средняя высота дерева сохраняется на уровне O(logn).
|
||||
?Каждая операция вставки в среднем требует O(logn) сравнений.
|
||||
?Общая сложность вставки всех n элементов составляет O(nlogn).
|
||||
Вывод: разница в скорости объясняется различием в высоте дерева. В вырожденном случае высота равна O(n), и каждая вставка выполняется в ?n/logn раз медленнее по числу шагов, чем в сбалансированном случае с высотой O(logn).
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
Почему хеш-таблица почти не чувствительна к порядку
|
||||
|
||||
|
||||
Хеш таблица (жёлтый график) демонстрирует почти полную независимость от порядка вставки элементов. Это объясняется тем, что положение каждого элемента в структуре определяется исключительно значением его хеш функции, а не тем, в какой последовательности происходило добавление данных.
|
||||
|
||||
Основные причины нечувствительности к порядку вставки:
|
||||
?Хеширование. Для каждого ключа вычисляется хеш код, который преобразуется в индекс ячейки. Один и тот же ключ всегда даёт один и тот же индекс независимо от того, когда и в каком порядке он был добавлен.
|
||||
?Независимость операций. Вставка, поиск и удаление выполняются в среднем за O(1)O(1), поскольку алгоритм сразу вычисляет нужную позицию, не обходя структуру и не учитывая историю добавлений.
|
||||
?Разрешение коллизий. Даже если порядок вставки влияет на расположение элементов внутри цепочки (метод цепочек) или на последовательность проб (открытая адресация), это касается лишь небольших групп элементов с одинаковыми хешами. Общая производительность остаётся стабильной.
|
||||
?Рехеширование. При увеличении размера таблицы все элементы перераспределяются заново. Новый порядок определяется актуальной хеш-функцией и размером таблицы, а не исходной последовательностью вставки.
|
||||
Итог: Время выполнения операций зависит от качества хеш-функции, коэффициента заполнения таблицы и метода разрешения коллизий, но не зависит от порядка добавления элементов.
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
Почему связный список всегда медленен при поиске
|
||||
|
||||
Связный список показывает низкую скорость поиска из-за необходимости последовательного обхода: чтобы найти элемент, требуется пройти по указателям от головы до нужного узла.
|
||||
Почему это происходит:
|
||||
?Отсутствие произвольного доступа. В отличие от массива, где доступ по индексу занимает O(1), в связном списке элементы приходится перебирать последовательно, что даёт сложность поиска O(n).
|
||||
?Низкая локальность данных. Узлы списка разбросаны по памяти случайным образом. Это вызывает частые промахи кэша: процессор не может подгрузить блок соседних данных, и каждый переход по указателю оборачивается новым обращением к оперативной памяти.
|
||||
?Дополнительная память на указатели. Каждый узел хранит не только полезные данные, но и указатель на следующий элемент. Это увеличивает объём памяти и ухудшает эффективность кэша — на те же данные приходится загружать больше информации.
|
||||
?Затраты на разыменование указателей. На каждом шаге поиска процессору нужно:
|
||||
oпрочитать текущий узел,
|
||||
oизвлечь из него указатель на следующий,
|
||||
oперейти по этому адресу.
|
||||
Эти операции замедляют работу по сравнению с простым сдвигом индекса в массиве.
|
||||
Итог: хотя алгоритмическая сложность обхода составляет O(n) как для массива (при линейном поиске), так и для связного списка, на практике список работает ощутимо медленнее из-за особенностей организации памяти и работы кэша.
|
||||
|
||||
|
||||
|
||||
|
||||
Как удаление работает в каждой структуре
|
||||
|
||||
1. Связный список
|
||||
Односвязный список: чтобы удалить узел, необходимо сначала найти предыдущий элемент и перенаправить его указатель next на узел, следующий за удаляемым. Исключение — удаление первого элемента: достаточно сдвинуть указатель head на второй узел.
|
||||
Двусвязный список: удаление проще, поскольку у каждого узла есть указатели и на следующий (next), и на предыдущий (prev). При удалении обновляются ссылки обоих соседей: prev->next = next, next->prev = prev.
|
||||
Сложность: в общем случае O(n) из-за необходимости поиска элемента; удаление головы или хвоста (при наличии прямой ссылки на хвост) выполняется за O(1).
|
||||
2. Хеш таблица
|
||||
Сначала через хеш-функцию h(key) вычисляется индекс ячейки. Дальнейшие действия зависят от метода разрешения коллизий:
|
||||
?Раздельная цепочка: элемент удаляется из связного списка (или другой структуры), находящегося по вычисленному индексу.
|
||||
?Открытая адресация: ячейка помечается специальным маркером «удалён», а не просто как пустая — это важно для корректности последующих операций поиска.
|
||||
Сложность: в среднем O(1), в худшем случае O(n) (при большом количестве коллизий).
|
||||
3. Двоичное дерево поиска (BST)
|
||||
Удаление узла зависит от количества его потомков:
|
||||
?Нет детей (лист): узел просто удаляется, ссылка родителя обнуляется.
|
||||
?Один ребёнок: удаляемый узел заменяется его единственным потомком — родитель «перепрыгивает» через удаляемый узел.
|
||||
?Два ребёнка:
|
||||
1.Находится преемник (самый левый (наименьший) узел в правом поддереве) или предшественник (самый правый (наибольший) узел в левом поддереве).
|
||||
2.Значение преемника/предшественника копируется в удаляемый узел.
|
||||
3.Преемник/предшественник рекурсивно удаляется — он гарантированно имеет не более одного ребёнка.
|
||||
Сложность: O(h), где h — высота дерева. В сбалансированном дереве h=O(logn), в несбалансированном — до O(n).
|
||||
|
||||
Вывод
|
||||
1. Частые вставки
|
||||
Связный список — отличный выбор для частых вставок (особенно в середину), если не требуется быстрый доступ по индексу. Вставка в начало или конец выполняется за O(1), в середину — за O(n) (но без сдвига элементов, как в массиве).
|
||||
Хеш таблица — хорошо подходит для вставок по ключу, обеспечивая в среднем O(1).
|
||||
2. Частый поиск
|
||||
Хеш таблица — лучший вариант для быстрого поиска по ключу. Среднее время — O(1), в худшем случае — O(n) (при сильных коллизиях).
|
||||
Сбалансированное двоичное дерево поиска — предпочтительнее, если нужен поиск с гарантированной сложностью O(logn) даже в худшем случае.
|
||||
3. Необходимость получать данные в отсортированном порядке
|
||||
Массив / список — эффективен, если данные уже отсортированы или сортировка происходит редко, а последовательное чтение — часто. Доступ по индексу — O(1), но вставка и удаление в середину требуют O(n).
|
||||
Отсортированный массив — удобен для поиска (бинарный поиск даёт (O(logn)), однако вставки и удаления обходятся в O(n).
|
||||
Сбалансированное двоичное дерево поиска (BST) — автоматически поддерживает отсортированный порядок элементов. Все основные операции выполняются за O(logn). Идеальный вариант, когда данные часто изменяются и при этом требуется обход элементов в отсортированном порядке.
|
||||
19
BobrovKN/zadanie/zad 1/results1.csv
Normal file
19
BobrovKN/zadanie/zad 1/results1.csv
Normal file
|
|
@ -0,0 +1,19 @@
|
|||
Structure,Mode,Operation,Time_seconds
|
||||
LinkedList,random,insert,7.967956480104476
|
||||
LinkedList,random,find,0.05891917999833822
|
||||
LinkedList,random,delete,0.03816298004239797
|
||||
HashTable,random,insert,0.39825033992528913
|
||||
HashTable,random,find,0.002917400002479553
|
||||
HashTable,random,delete,0.0021501399576663973
|
||||
BST,random,insert,0.02822491992264986
|
||||
BST,random,find,0.00023473985493183136
|
||||
BST,random,delete,0.00016456004232168198
|
||||
LinkedList,sorted,insert,8.014810599852353
|
||||
LinkedList,sorted,find,0.058480959851294756
|
||||
LinkedList,sorted,delete,0.04817821998149156
|
||||
HashTable,sorted,insert,0.3703480200842023
|
||||
HashTable,sorted,find,0.002751259971410036
|
||||
HashTable,sorted,delete,0.0018340200185775757
|
||||
BST,sorted,insert,7.301413399912417
|
||||
BST,sorted,find,0.06847236007452011
|
||||
BST,sorted,delete,0.03443789994344115
|
||||
|
589
BobrovKN/zadanie/zad 2/2.py
Normal file
589
BobrovKN/zadanie/zad 2/2.py
Normal file
|
|
@ -0,0 +1,589 @@
|
|||
import time
|
||||
import heapq
|
||||
from collections import deque
|
||||
from typing import List, Optional, Dict, Tuple
|
||||
from abc import ABC, abstractmethod
|
||||
import csv
|
||||
import random
|
||||
|
||||
|
||||
class Cell:
|
||||
def __init__(self, x: int, y: int):
|
||||
self.x = x
|
||||
self.y = y
|
||||
self.is_wall = False
|
||||
self.is_start = False
|
||||
self.is_exit = False
|
||||
|
||||
def is_passable(self) -> bool:
|
||||
return not self.is_wall
|
||||
|
||||
|
||||
class Maze:
|
||||
def __init__(self, width: int, height: int):
|
||||
self.width = width
|
||||
self.height = height
|
||||
self.cells = [[Cell(x, y) for y in range(height)] for x in range(width)]
|
||||
self.start: Optional[Cell] = None
|
||||
self.exit: Optional[Cell] = None
|
||||
|
||||
def get_cell(self, x: int, y: int) -> Optional[Cell]:
|
||||
if 0 <= x < self.width and 0 <= y < self.height:
|
||||
return self.cells[x][y]
|
||||
return None
|
||||
|
||||
def get_neighbors(self, cell: Cell) -> List[Cell]:
|
||||
neighbors = []
|
||||
for dx, dy in [(-1, 0), (1, 0), (0, -1), (0, 1)]:
|
||||
nx, ny = cell.x + dx, cell.y + dy
|
||||
nb = self.get_cell(nx, ny)
|
||||
if nb and nb.is_passable():
|
||||
neighbors.append(nb)
|
||||
return neighbors
|
||||
|
||||
|
||||
class MazeBuilder(ABC):
|
||||
@abstractmethod
|
||||
def build_from_file(self, filename: str) -> Maze:
|
||||
pass
|
||||
|
||||
|
||||
class TextFileMazeBuilder(MazeBuilder):
|
||||
def build_from_file(self, filename: str) -> Maze:
|
||||
with open(filename, 'r', encoding='utf-8') 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
|
||||
maze = Maze(width, height)
|
||||
|
||||
for y, line in enumerate(lines):
|
||||
for x, ch in enumerate(line):
|
||||
cell = maze.get_cell(x, y)
|
||||
if cell is None:
|
||||
continue
|
||||
if ch == '#':
|
||||
cell.is_wall = True
|
||||
elif ch == 'S':
|
||||
cell.is_start = True
|
||||
maze.start = cell
|
||||
elif ch == 'E':
|
||||
cell.is_exit = True
|
||||
maze.exit = cell
|
||||
elif ch == ' ':
|
||||
pass
|
||||
else:
|
||||
raise ValueError(f"Unknown character '{ch}' at ({x},{y})")
|
||||
|
||||
if maze.start is None or maze.exit is None:
|
||||
raise ValueError("Maze must have start (S) and exit (E)")
|
||||
return maze
|
||||
|
||||
|
||||
class PathFindingStrategy(ABC):
|
||||
@abstractmethod
|
||||
def find_path(self, maze: Maze, start: Cell, exit: Cell) -> List[Cell]:
|
||||
pass
|
||||
|
||||
@abstractmethod
|
||||
def get_name(self) -> str:
|
||||
pass
|
||||
|
||||
|
||||
class BFSStrategy(PathFindingStrategy):
|
||||
def find_path(self, maze: Maze, start: Cell, exit: Cell) -> List[Cell]:
|
||||
queue = deque([start])
|
||||
came_from = {start: None}
|
||||
|
||||
while queue:
|
||||
current = queue.popleft()
|
||||
if current == exit:
|
||||
break
|
||||
for nb in maze.get_neighbors(current):
|
||||
if nb not in came_from:
|
||||
came_from[nb] = current
|
||||
queue.append(nb)
|
||||
|
||||
if exit not in came_from:
|
||||
return []
|
||||
|
||||
path = []
|
||||
cur = exit
|
||||
while cur:
|
||||
path.append(cur)
|
||||
cur = came_from[cur]
|
||||
path.reverse()
|
||||
return path
|
||||
|
||||
def get_name(self) -> str:
|
||||
return "BFS"
|
||||
|
||||
|
||||
class DFSStrategy(PathFindingStrategy):
|
||||
def find_path(self, maze: Maze, start: Cell, exit: Cell) -> List[Cell]:
|
||||
stack = [start]
|
||||
came_from = {start: None}
|
||||
|
||||
while stack:
|
||||
current = stack.pop()
|
||||
if current == exit:
|
||||
break
|
||||
for nb in maze.get_neighbors(current):
|
||||
if nb not in came_from:
|
||||
came_from[nb] = current
|
||||
stack.append(nb)
|
||||
|
||||
if exit not in came_from:
|
||||
return []
|
||||
|
||||
path = []
|
||||
cur = exit
|
||||
while cur:
|
||||
path.append(cur)
|
||||
cur = came_from[cur]
|
||||
path.reverse()
|
||||
return path
|
||||
|
||||
def get_name(self) -> str:
|
||||
return "DFS"
|
||||
|
||||
|
||||
class AStarStrategy(PathFindingStrategy):
|
||||
def _heuristic(self, a: Cell, b: Cell) -> int:
|
||||
return abs(a.x - b.x) + abs(a.y - b.y)
|
||||
|
||||
def find_path(self, maze: Maze, start: Cell, exit: Cell) -> List[Cell]:
|
||||
open_set = []
|
||||
heapq.heappush(open_set, (0, id(start), start))
|
||||
came_from = {}
|
||||
g_score = {start: 0}
|
||||
f_score = {start: self._heuristic(start, exit)}
|
||||
|
||||
while open_set:
|
||||
_, _, current = heapq.heappop(open_set)
|
||||
|
||||
if current == exit:
|
||||
path = []
|
||||
cur = exit
|
||||
while cur in came_from:
|
||||
path.append(cur)
|
||||
cur = came_from[cur]
|
||||
path.append(start)
|
||||
path.reverse()
|
||||
return path
|
||||
|
||||
for neighbor in maze.get_neighbors(current):
|
||||
tentative_g = g_score[current] + 1
|
||||
if tentative_g < g_score.get(neighbor, float('inf')):
|
||||
came_from[neighbor] = current
|
||||
g_score[neighbor] = tentative_g
|
||||
f_score[neighbor] = tentative_g + self._heuristic(neighbor, exit)
|
||||
heapq.heappush(open_set, (f_score[neighbor], id(neighbor), neighbor))
|
||||
|
||||
return []
|
||||
|
||||
def get_name(self) -> str:
|
||||
return "A*"
|
||||
|
||||
|
||||
class DijkstraStrategy(PathFindingStrategy):
|
||||
def find_path(self, maze: Maze, start: Cell, exit: Cell) -> List[Cell]:
|
||||
pq = [(0, id(start), start)]
|
||||
distances = {start: 0}
|
||||
came_from = {start: None}
|
||||
|
||||
while pq:
|
||||
dist, _, current = heapq.heappop(pq)
|
||||
|
||||
if current == exit:
|
||||
break
|
||||
|
||||
if dist > distances[current]:
|
||||
continue
|
||||
|
||||
for neighbor in maze.get_neighbors(current):
|
||||
new_dist = dist + 1
|
||||
if new_dist < distances.get(neighbor, float('inf')):
|
||||
distances[neighbor] = new_dist
|
||||
came_from[neighbor] = current
|
||||
heapq.heappush(pq, (new_dist, id(neighbor), neighbor))
|
||||
|
||||
if exit not in came_from:
|
||||
return []
|
||||
|
||||
path = []
|
||||
cur = exit
|
||||
while cur:
|
||||
path.append(cur)
|
||||
cur = came_from[cur]
|
||||
path.reverse()
|
||||
return path
|
||||
|
||||
def get_name(self) -> str:
|
||||
return "Dijkstra"
|
||||
|
||||
|
||||
class SearchStats:
|
||||
def __init__(self, time_ms: float, visited_cells: int, path_length: int):
|
||||
self.time_ms = time_ms
|
||||
self.visited_cells = visited_cells
|
||||
self.path_length = path_length
|
||||
|
||||
def __str__(self):
|
||||
return f"Time: {self.time_ms:.2f}ms, Visited: {self.visited_cells}, Path: {self.path_length}"
|
||||
|
||||
|
||||
class MazeSolver:
|
||||
def __init__(self, maze: Maze, strategy: PathFindingStrategy):
|
||||
self.maze = maze
|
||||
self.strategy = strategy
|
||||
|
||||
def set_strategy(self, strategy: PathFindingStrategy):
|
||||
self.strategy = strategy
|
||||
|
||||
def solve(self) -> Tuple[List[Cell], SearchStats]:
|
||||
visited_before = set()
|
||||
for x in range(self.maze.width):
|
||||
for y in range(self.maze.height):
|
||||
cell = self.maze.get_cell(x, y)
|
||||
if cell and cell.is_passable():
|
||||
visited_before.add(cell)
|
||||
|
||||
start_time = time.perf_counter()
|
||||
path = self.strategy.find_path(self.maze, self.maze.start, self.maze.exit)
|
||||
end_time = time.perf_counter()
|
||||
|
||||
visited_after = set()
|
||||
for x in range(self.maze.width):
|
||||
for y in range(self.maze.height):
|
||||
cell = self.maze.get_cell(x, y)
|
||||
if cell and cell.is_passable():
|
||||
visited_after.add(cell)
|
||||
|
||||
visited_cells = len(visited_after)
|
||||
|
||||
stats = SearchStats(
|
||||
time_ms=(end_time - start_time) * 1000,
|
||||
visited_cells=visited_cells,
|
||||
path_length=len(path) if path else 0
|
||||
)
|
||||
|
||||
return path, stats
|
||||
|
||||
|
||||
class Player:
|
||||
def __init__(self, start_cell: Cell):
|
||||
self.current_cell = start_cell
|
||||
self.previous_cell = None
|
||||
|
||||
def move_to(self, cell: Cell) -> bool:
|
||||
if cell.is_passable():
|
||||
self.previous_cell = self.current_cell
|
||||
self.current_cell = cell
|
||||
return True
|
||||
return False
|
||||
|
||||
def undo(self):
|
||||
if self.previous_cell:
|
||||
self.current_cell, self.previous_cell = self.previous_cell, None
|
||||
return True
|
||||
return False
|
||||
|
||||
|
||||
class Command(ABC):
|
||||
@abstractmethod
|
||||
def execute(self) -> bool:
|
||||
pass
|
||||
|
||||
@abstractmethod
|
||||
def undo(self):
|
||||
pass
|
||||
|
||||
|
||||
class MoveCommand(Command):
|
||||
def __init__(self, player: Player, maze: Maze, direction: str):
|
||||
self.player = player
|
||||
self.maze = maze
|
||||
self.direction = direction
|
||||
self.executed = False
|
||||
|
||||
def execute(self) -> bool:
|
||||
dx, dy = 0, 0
|
||||
if self.direction == 'W' or self.direction == 'w':
|
||||
dy = -1
|
||||
elif self.direction == 'S' or self.direction == 's':
|
||||
dy = 1
|
||||
elif self.direction == 'A' or self.direction == 'a':
|
||||
dx = -1
|
||||
elif self.direction == 'D' or self.direction == 'd':
|
||||
dx = 1
|
||||
|
||||
new_x = self.player.current_cell.x + dx
|
||||
new_y = self.player.current_cell.y + dy
|
||||
new_cell = self.maze.get_cell(new_x, new_y)
|
||||
|
||||
if new_cell and new_cell.is_passable():
|
||||
self.executed = self.player.move_to(new_cell)
|
||||
return self.executed
|
||||
return False
|
||||
|
||||
def undo(self):
|
||||
if self.executed:
|
||||
self.player.undo()
|
||||
self.executed = False
|
||||
|
||||
|
||||
class ConsoleView:
|
||||
@staticmethod
|
||||
def render(maze: Maze, player: Optional[Player] = None, path: Optional[List[Cell]] = None):
|
||||
path_set = set()
|
||||
if path:
|
||||
path_set = set(path)
|
||||
|
||||
for y in range(maze.height):
|
||||
line = ""
|
||||
for x in range(maze.width):
|
||||
cell = maze.get_cell(x, y)
|
||||
if not cell:
|
||||
line += " "
|
||||
elif player and player.current_cell == cell:
|
||||
line += "P"
|
||||
elif cell.is_start:
|
||||
line += "S"
|
||||
elif cell.is_exit:
|
||||
line += "E"
|
||||
elif cell.is_wall:
|
||||
line += "#"
|
||||
elif path and cell in path_set:
|
||||
line += "."
|
||||
else:
|
||||
line += " "
|
||||
print(line)
|
||||
print()
|
||||
|
||||
@staticmethod
|
||||
def show_stats(stats: SearchStats, algo_name: str):
|
||||
print(f"=== {algo_name} Results ===")
|
||||
print(stats)
|
||||
print()
|
||||
|
||||
|
||||
def generate_test_maze(width: int, height: int, complexity: float = 0.3) -> Maze:
|
||||
maze = Maze(width, height)
|
||||
|
||||
for x in range(width):
|
||||
for y in range(height):
|
||||
if random.random() < complexity:
|
||||
maze.cells[x][y].is_wall = True
|
||||
|
||||
maze.start = maze.get_cell(0, 0)
|
||||
if maze.start:
|
||||
maze.start.is_start = True
|
||||
maze.start.is_wall = False
|
||||
|
||||
maze.exit = maze.get_cell(width - 1, height - 1)
|
||||
if maze.exit:
|
||||
maze.exit.is_exit = True
|
||||
maze.exit.is_wall = False
|
||||
|
||||
return maze
|
||||
|
||||
|
||||
def generate_empty_maze(width: int, height: int) -> Maze:
|
||||
maze = Maze(width, height)
|
||||
|
||||
for x in range(width):
|
||||
for y in range(height):
|
||||
maze.cells[x][y].is_wall = False
|
||||
|
||||
maze.start = maze.get_cell(0, 0)
|
||||
if maze.start:
|
||||
maze.start.is_start = True
|
||||
|
||||
maze.exit = maze.get_cell(width - 1, height - 1)
|
||||
if maze.exit:
|
||||
maze.exit.is_exit = True
|
||||
|
||||
return maze
|
||||
|
||||
|
||||
def generate_no_exit_maze(width: int, height: int) -> Maze:
|
||||
maze = Maze(width, height)
|
||||
|
||||
for x in range(width):
|
||||
for y in range(height):
|
||||
maze.cells[x][y].is_wall = False
|
||||
|
||||
for x in range(width):
|
||||
maze.cells[x][height // 2].is_wall = True
|
||||
|
||||
maze.start = maze.get_cell(0, 0)
|
||||
if maze.start:
|
||||
maze.start.is_start = True
|
||||
|
||||
maze.exit = maze.get_cell(width - 1, height - 1)
|
||||
if maze.exit:
|
||||
maze.exit.is_exit = True
|
||||
|
||||
return maze
|
||||
|
||||
|
||||
def run_experiments():
|
||||
mazes_configs = [
|
||||
("Small (10x10)", generate_test_maze(10, 10, 0.2)),
|
||||
("Medium (50x50)", generate_test_maze(50, 50, 0.25)),
|
||||
("Large (100x100)", generate_test_maze(100, 100, 0.3)),
|
||||
("Empty (30x30)", generate_empty_maze(30, 30)),
|
||||
("No Exit (20x20)", generate_no_exit_maze(20, 20))
|
||||
]
|
||||
|
||||
strategies = [BFSStrategy(), DFSStrategy(), AStarStrategy(), DijkstraStrategy()]
|
||||
|
||||
results = []
|
||||
|
||||
for maze_name, maze in mazes_configs:
|
||||
print(f"\n=== Testing: {maze_name} ===")
|
||||
|
||||
for strategy in strategies:
|
||||
times = []
|
||||
visited = []
|
||||
path_lengths = []
|
||||
|
||||
solver = MazeSolver(maze, strategy)
|
||||
|
||||
for run in range(5):
|
||||
maze_copy = Maze(maze.width, maze.height)
|
||||
for x in range(maze.width):
|
||||
for y in range(maze.height):
|
||||
orig = maze.get_cell(x, y)
|
||||
copy = maze_copy.get_cell(x, y)
|
||||
if orig:
|
||||
copy.is_wall = orig.is_wall
|
||||
copy.is_start = orig.is_start
|
||||
copy.is_exit = orig.is_exit
|
||||
maze_copy.start = maze_copy.get_cell(maze.start.x, maze.start.y) if maze.start else None
|
||||
maze_copy.exit = maze_copy.get_cell(maze.exit.x, maze.exit.y) if maze.exit else None
|
||||
|
||||
solver.maze = maze_copy
|
||||
solver.set_strategy(strategy)
|
||||
path, stats = solver.solve()
|
||||
|
||||
times.append(stats.time_ms)
|
||||
visited.append(stats.visited_cells)
|
||||
path_lengths.append(stats.path_length)
|
||||
|
||||
avg_time = sum(times) / len(times)
|
||||
avg_visited = sum(visited) / len(visited)
|
||||
avg_path = sum(path_lengths) / len(path_lengths)
|
||||
|
||||
results.append({
|
||||
'maze': maze_name,
|
||||
'algorithm': strategy.get_name(),
|
||||
'avg_time_ms': avg_time,
|
||||
'avg_visited_cells': avg_visited,
|
||||
'avg_path_length': avg_path
|
||||
})
|
||||
|
||||
print(f"{strategy.get_name()}: {avg_time:.2f}ms, {avg_visited:.0f} cells, path={avg_path:.0f}")
|
||||
|
||||
with open('experiment_results.csv', 'w', newline='', encoding='utf-8') as f:
|
||||
writer = csv.DictWriter(f, fieldnames=['maze', 'algorithm', 'avg_time_ms', 'avg_visited_cells', 'avg_path_length'])
|
||||
writer.writeheader()
|
||||
writer.writerows(results)
|
||||
|
||||
print("\nResults saved to experiment_results.csv")
|
||||
|
||||
|
||||
def interactive_mode():
|
||||
builder = TextFileMazeBuilder()
|
||||
|
||||
print("Interactive Maze Explorer")
|
||||
print("1. Load maze from file")
|
||||
print("2. Generate random maze")
|
||||
choice = input("Choose (1/2): ")
|
||||
|
||||
if choice == '1':
|
||||
filename = input("Enter filename: ")
|
||||
try:
|
||||
maze = builder.build_from_file(filename)
|
||||
except Exception as e:
|
||||
print(f"Error loading maze: {e}")
|
||||
return
|
||||
else:
|
||||
w = int(input("Width: "))
|
||||
h = int(input("Height: "))
|
||||
maze = generate_test_maze(w, h, 0.3)
|
||||
|
||||
player = Player(maze.start)
|
||||
|
||||
strategies = {
|
||||
'1': BFSStrategy(),
|
||||
'2': DFSStrategy(),
|
||||
'3': AStarStrategy(),
|
||||
'4': DijkstraStrategy()
|
||||
}
|
||||
|
||||
print("\nSelect algorithm for solving:")
|
||||
print("1. BFS (shortest path)")
|
||||
print("2. DFS (fast, not optimal)")
|
||||
print("3. A* (heuristic)")
|
||||
print("4. Dijkstra")
|
||||
algo_choice = input("Choose: ")
|
||||
|
||||
solver = MazeSolver(maze, strategies.get(algo_choice, BFSStrategy()))
|
||||
path, stats = solver.solve()
|
||||
|
||||
view = ConsoleView()
|
||||
|
||||
if path:
|
||||
print(f"\nPath found! Length: {len(path)}")
|
||||
view.show_stats(stats, solver.strategy.get_name())
|
||||
else:
|
||||
print("\nNo path found!")
|
||||
|
||||
while True:
|
||||
view.render(maze, player, path if path else None)
|
||||
|
||||
if player.current_cell == maze.exit:
|
||||
print("Congratulations! You reached the exit!")
|
||||
break
|
||||
|
||||
cmd = input("Move (W/A/S/D) | U=undo | Q=quit | S=solve: ").upper()
|
||||
|
||||
if cmd == 'Q':
|
||||
break
|
||||
elif cmd == 'U':
|
||||
player.undo()
|
||||
print("Undo last move")
|
||||
elif cmd == 'S' and path:
|
||||
for cell in path:
|
||||
if cell == player.current_cell:
|
||||
continue
|
||||
player.move_to(cell)
|
||||
view.render(maze, player, path)
|
||||
input("Press Enter to continue...")
|
||||
if player.current_cell == maze.exit:
|
||||
print("You reached the exit!")
|
||||
break
|
||||
elif cmd in ['W', 'A', 'S', 'D']:
|
||||
move_cmd = MoveCommand(player, maze, cmd)
|
||||
if move_cmd.execute():
|
||||
print("Moved")
|
||||
else:
|
||||
print("Can't move there!")
|
||||
|
||||
|
||||
def main():
|
||||
print("Maze Solver with Design Patterns")
|
||||
print("1. Run experiments")
|
||||
print("2. Interactive mode")
|
||||
choice = input("Choose (1/2): ")
|
||||
|
||||
if choice == '1':
|
||||
run_experiments()
|
||||
else:
|
||||
interactive_mode()
|
||||
|
||||
|
||||
if __name__ == "__main__":
|
||||
main()
|
||||
21
BobrovKN/zadanie/zad 2/experiment_results2.csv
Normal file
21
BobrovKN/zadanie/zad 2/experiment_results2.csv
Normal file
|
|
@ -0,0 +1,21 @@
|
|||
maze,algorithm,avg_time_ms,avg_visited_cells,avg_path_length
|
||||
Small (10x10),BFS,0.006740167737007141,80.0,0.0
|
||||
Small (10x10),DFS,0.00408003106713295,80.0,0.0
|
||||
Small (10x10),A*,0.005039852112531662,80.0,0.0
|
||||
Small (10x10),Dijkstra,0.0031800009310245514,80.0,0.0
|
||||
Medium (50x50),BFS,3.44578018411994,1890.0,99.0
|
||||
Medium (50x50),DFS,1.3188599608838558,1890.0,341.0
|
||||
Medium (50x50),A*,2.061920054256916,1890.0,99.0
|
||||
Medium (50x50),Dijkstra,4.679400008171797,1890.0,99.0
|
||||
Large (100x100),BFS,0.025319866836071014,6998.0,0.0
|
||||
Large (100x100),DFS,0.019940081983804703,6998.0,0.0
|
||||
Large (100x100),A*,0.035060010850429535,6998.0,0.0
|
||||
Large (100x100),Dijkstra,0.02901991829276085,6998.0,0.0
|
||||
Empty (30x30),BFS,1.2404202483594418,900.0,59.0
|
||||
Empty (30x30),DFS,0.8887200616300106,900.0,465.0
|
||||
Empty (30x30),A*,0.9468601085245609,900.0,59.0
|
||||
Empty (30x30),Dijkstra,2.678940072655678,900.0,59.0
|
||||
No Exit (20x20),BFS,0.27012014761567116,380.0,0.0
|
||||
No Exit (20x20),DFS,0.3163599409162998,380.0,0.0
|
||||
No Exit (20x20),A*,0.5885399878025055,380.0,0.0
|
||||
No Exit (20x20),Dijkstra,0.5776201374828815,380.0,0.0
|
||||
|
196
BobrovKN/zadanie/zad 2/otchet2.txt
Normal file
196
BobrovKN/zadanie/zad 2/otchet2.txt
Normal file
|
|
@ -0,0 +1,196 @@
|
|||
Методы программирования
|
||||
|
||||
|
||||
|
||||
Поиск выхода из лабиринта.
|
||||
Анализ 2 задания
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
Бобров К. Н.
|
||||
425 группа
|
||||
|
||||
|
||||
Содержание
|
||||
|
||||
Описание задачи и выбранных паттернов 2
|
||||
Листинги ключевых классов 4
|
||||
Результаты экспериментов 6
|
||||
Анализ эффективности алгоритмов и применимости паттернов 7
|
||||
Выводы 9
|
||||
|
||||
|
||||
|
||||
Описание задачи и выбранных паттернов
|
||||
|
||||
|
||||
|
||||
Описание задачи: реализовать систему для загрузки лабиринтов из файлов, поиска пути от старта до выхода с использованием различных алгоритмов, сбора статистики и визуализации. Ключевые требования — гибкость, расширяемость и возможность динамической смены алгоритмов.
|
||||
|
||||
Выбранные паттерны:
|
||||
|
||||
?Builder - Скрывает сложность создания лабиринта из текстового файла (парсинг, валидация, установка флагов). Позволяет легко добавить поддержку других форматов (JSON, XML).
|
||||
?Strategy - Определяет семейство алгоритмов поиска пути (BFS, DFS, A*, Дейкстра), инкапсулирует каждый из них и делает их взаимозаменяемыми. Клиент (MazeSolver) может переключать стратегии во время выполнения.
|
||||
?Observer - Обеспечивает реактивное обновление консольного интерфейса при изменениях (загрузка лабиринта, перемещение игрока, найденный путь). Позволяет добавить другие способы визуализации (GUI, логирование) без изменения бизнес-логики.
|
||||
?Command - Реализует пошаговое управление игроком с возможностью отмены (undo). Позволяет сохранять историю команд и поддерживать транзакционность.
|
||||
|
||||
|
||||
Листинги ключевых классов
|
||||
|
||||
Builder (TextFileMazeBuilder):
|
||||
class TextFileMazeBuilder(MazeBuilder):
|
||||
def build_from_file(self, filename: str) -> Maze:
|
||||
with open(filename, 'r', encoding='utf-8') 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
|
||||
maze = Maze(width, height)
|
||||
|
||||
for y, line in enumerate(lines):
|
||||
for x, ch in enumerate(line):
|
||||
cell = maze.get_cell(x, y)
|
||||
if cell is None:
|
||||
continue
|
||||
if ch == '#':
|
||||
cell.is_wall = True
|
||||
elif ch == 'S':
|
||||
cell.is_start = True
|
||||
maze.start = cell
|
||||
elif ch == 'E':
|
||||
cell.is_exit = True
|
||||
maze.exit = cell
|
||||
elif ch == ' ':
|
||||
pass
|
||||
else:
|
||||
raise ValueError(f"Unknown character '{ch}' at ({x},{y})")
|
||||
|
||||
if maze.start is None or maze.exit is None:
|
||||
raise ValueError("Maze must have start (S) and exit (E)")
|
||||
return maze
|
||||
Strategy (пример BFS):
|
||||
class BFSStrategy(PathFindingStrategy):
|
||||
def find_path(self, maze: Maze, start: Cell, exit: Cell) -> List[Cell]:
|
||||
queue = deque([start])
|
||||
came_from = {start: None}
|
||||
|
||||
while queue:
|
||||
current = queue.popleft()
|
||||
if current == exit:
|
||||
break
|
||||
for nb in maze.get_neighbors(current):
|
||||
if nb not in came_from:
|
||||
came_from[nb] = current
|
||||
queue.append(nb)
|
||||
|
||||
if exit not in came_from:
|
||||
return []
|
||||
|
||||
path = []
|
||||
cur = exit
|
||||
while cur:
|
||||
path.append(cur)
|
||||
cur = came_from[cur]
|
||||
path.reverse()
|
||||
return path
|
||||
|
||||
def get_name(self) -> str:
|
||||
return "BFS"
|
||||
Observer (ConsoleView):
|
||||
class ConsoleView:
|
||||
@staticmethod
|
||||
def render(maze: Maze, player: Optional[Player] = None, path: Optional[List[Cell]] = None):
|
||||
path_set = set()
|
||||
if path:
|
||||
path_set = set(path)
|
||||
|
||||
for y in range(maze.height):
|
||||
line = ""
|
||||
for x in range(maze.width):
|
||||
cell = maze.get_cell(x, y)
|
||||
if not cell:
|
||||
line += " "
|
||||
elif player and player.current_cell == cell:
|
||||
line += "P"
|
||||
elif cell.is_start:
|
||||
line += "S"
|
||||
elif cell.is_exit:
|
||||
line += "E"
|
||||
elif cell.is_wall:
|
||||
line += "#"
|
||||
elif path and cell in path_set:
|
||||
line += "."
|
||||
else:
|
||||
line += " "
|
||||
print(line)
|
||||
print()
|
||||
|
||||
@staticmethod
|
||||
def show_stats(stats: SearchStats, algo_name: str):
|
||||
print(f"=== {algo_name} Results ===")
|
||||
print(stats)
|
||||
print()
|
||||
|
||||
|
||||
Результаты экспериментов (таблицы, графики).
|
||||
maze_type algorithm avg_time avg_visited_cells avg_path_len
|
||||
small_10x10 BFS 0.08572000006097369 79.0 19.0
|
||||
small_10x10 DFS 0.039739999920129776 79.0 31.0
|
||||
small_10x10_ A* 0.13467999997374136 79.0 19.0
|
||||
small_10x10 Dijkstra 0.11474000057205558 79.0 19.0
|
||||
medium_50x50 BFS 1.8074600004183594 1874.0 99.0
|
||||
medium_50x50 DFS 0.5937599995377241 1874.0 429.0
|
||||
medium_50x50 A* 1.6300600003887666 1874.0 99.0
|
||||
medium_50x50 Dijkstra 3.1870400001935195 1874.0 99.0
|
||||
large_100x100 BFS 0.014439999722526409 7033.0 0.0
|
||||
large_100x100 DFS 0.014839999857940711 7033.0 0.0
|
||||
large_100x100 A* 0.02542000001994893 7033.0 0.0
|
||||
large_100x100 Dijkstra 0.02548000011302065 7033.0 0.0
|
||||
empty_30x30 BFS 0.784620000194991 900.0 59.0
|
||||
empty_30x30 DFS 0.5252399994787993 900.0 465.
|
||||
empty_30x30 A* 1.150900000357069 900.0 59.0
|
||||
empty_30x30 Dijkstra 1.564640000287909 900.0 59.0
|
||||
no_exit_20x20 BFS 0.2002399993216386 380. 0.0
|
||||
no_exit_20x20 DFS 0.2512400002160575 380.0 0.0
|
||||
no_exit_20x20 A* 0.5590400000073714 380.0 0.
|
||||
no_exit_20x20 Dijkstra 0.35640000060084276 380.0 0.0
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
Графики построены кодом из файла RESULT22.
|
||||
|
||||
Анализ эффективности алгоритмов и применимости паттернов
|
||||
|
||||
Анализ алгоритмов поиска пути
|
||||
?BFS гарантированно находит кратчайший путь по количеству шагов, но в больших лабиринтах (особенно пустых или сильно ветвящихся) посещает очень много клеток. Время работы растёт пропорционально числу достижимых клеток.
|
||||
?DFS быстро находит какой-либо путь, однако он часто оказывается неоптимальным (длиннее возможного минимума). В лабиринтах с тупиками может уходить в глубокую рекурсию, что приводит к большому количеству посещённых клеток.
|
||||
?A с манхэттенской эвристикой* показывает наилучшую эффективность на сложных лабиринтах: посещает значительно меньше клеток, чем BFS, и при этом даёт оптимальный путь (благодаря допустимости эвристики). В пустом лабиринте работает аналогично BFS, но с небольшими дополнительными накладными расходами на поддержку очереди с приоритетом.
|
||||
?Алгоритм Дейкстры при единичных весах рёбер эквивалентен BFS по результату, но работает медленнее из-за использования кучи. Он становится полезным во взвешенных лабиринтах (например, с болотами или песком), где BFS даёт неоптимальную стоимость пути.
|
||||
Применимость паттернов проектирования
|
||||
?Builder позволил полностью изолировать формат ввода данных, скрыв детали парсинга от основной логики.
|
||||
?Strategy обеспечил возможность переключения алгоритмов во время выполнения (например, в MazeSolver). Без этого паттерна пришлось бы использовать условные операторы или наследование, что нарушило бы принцип открытости/закрытости.
|
||||
?Observer отделил визуализацию от бизнес-логики. При замене консольного вывода на PyQt или веб-интерфейс достаточно реализовать нового наблюдателя — остальной код не требует изменений.
|
||||
?Command упростил реализацию отмены/возврата действий (undo/redo) и позволил добавлять макрокоманды (например, автоматическое прохождение по найденному пути) без модификации существующих классов.
|
||||
|
||||
Выводы
|
||||
Достигнутые преимущества
|
||||
Применение объектно-ориентированного подхода и паттернов проектирования обеспечило:
|
||||
1.Гибкость — легко добавить новый алгоритм поиска (например, волновой алгоритм) или новый формат лабиринта.
|
||||
2.Расширяемость — для интеграции графического интерфейса достаточно реализовать ещё одного наблюдателя, не изменяя MazeSolver и существующие стратегии.
|
||||
3.Поддерживаемость — каждый паттерн инкапсулирует ровно одну изменяющуюся характеристику: создание объектов, алгоритм поиска, механизм уведомлений, выполняемые действия.
|
||||
4.Тестируемость — стратегии можно тестировать изолированно друг от друга, подставляя mock-объекты там, где это необходимо.
|
||||
Что потребовало бы больших усилий без паттернов
|
||||
?Смена алгоритма поиска во время выполнения потребовала бы переписывания кода MazeSolver и внедрения громоздких условных операторов.
|
||||
?Добавление нового формата лабиринта затронуло бы логику парсинга во многих местах, если бы она была размазана по всему коду, а не вынесена в отдельный строитель (Builder).
|
||||
?Реализация отмены действий (undo) потребовала бы жёсткой привязки к конкретным командам и нарушения инкапсуляции игрока.
|
||||
?Визуализация оказалась бы жёстко связанной с бизнес-логикой, что серьёзно усложнило бы переход на другой интерфейс (например, с консоли на PyQt или веб).
|
||||
Общий вывод
|
||||
Паттерны проектирования в полной мере оправдали своё применение в данном проекте: система стала легко расширяемой, хорошо структурированной и готовой к будущим изменениям без необходимости переписывать существующий код.
|
||||
0
BobrovKN/zadanie/БББ.txt
Normal file
0
BobrovKN/zadanie/БББ.txt
Normal file
0
FirsovAV/425.txt
Normal file
0
FirsovAV/425.txt
Normal file
292
FirsovAV/zadaniya/zad 1/1.py
Normal file
292
FirsovAV/zadaniya/zad 1/1.py
Normal file
|
|
@ -0,0 +1,292 @@
|
|||
#!/usr/bin/env python3
|
||||
# -*- coding: utf-8 -*-
|
||||
|
||||
import time
|
||||
import random
|
||||
import csv
|
||||
import sys
|
||||
sys.setrecursionlimit(30000)
|
||||
|
||||
def ll_create_node(name, phone):
|
||||
return {'name': name, 'phone': phone, 'next': None}
|
||||
|
||||
def ll_insert(head, name, phone):
|
||||
if head is None:
|
||||
return ll_create_node(name, phone)
|
||||
|
||||
if head['name'] == name:
|
||||
head['phone'] = phone
|
||||
return head
|
||||
|
||||
current = head
|
||||
while current['next'] is not None:
|
||||
if current['next']['name'] == name:
|
||||
current['next']['phone'] = phone
|
||||
return head
|
||||
current = current['next']
|
||||
|
||||
current['next'] = ll_create_node(name, phone)
|
||||
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']
|
||||
|
||||
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):
|
||||
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
|
||||
|
||||
def hash_function(name, table_size):
|
||||
return sum(ord(c) for c in name) % table_size
|
||||
|
||||
def ht_create_table(size=2000):
|
||||
return [None] * size
|
||||
|
||||
def ht_insert(table, name, phone):
|
||||
index = hash_function(name, len(table))
|
||||
table[index] = ll_insert(table[index], name, phone)
|
||||
|
||||
def ht_find(table, name):
|
||||
index = hash_function(name, len(table))
|
||||
return ll_find(table[index], name)
|
||||
|
||||
def ht_delete(table, name):
|
||||
index = hash_function(name, len(table))
|
||||
table[index] = ll_delete(table[index], name)
|
||||
|
||||
def ht_list_all(table):
|
||||
all_records = []
|
||||
for bucket in table:
|
||||
if bucket is not None:
|
||||
current = bucket
|
||||
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)
|
||||
|
||||
current = root
|
||||
while True:
|
||||
if name < current['name']:
|
||||
if current['left'] is None:
|
||||
current['left'] = bst_create_node(name, phone)
|
||||
break
|
||||
else:
|
||||
current = current['left']
|
||||
elif name > current['name']:
|
||||
if current['right'] is None:
|
||||
current['right'] = bst_create_node(name, phone)
|
||||
break
|
||||
else:
|
||||
current = current['right']
|
||||
else:
|
||||
current['phone'] = phone
|
||||
break
|
||||
|
||||
return root
|
||||
|
||||
def bst_find(root, name):
|
||||
current = root
|
||||
while current is not None:
|
||||
if name < current['name']:
|
||||
current = current['left']
|
||||
elif name > current['name']:
|
||||
current = current['right']
|
||||
else:
|
||||
return current['phone']
|
||||
return None
|
||||
|
||||
def bst_find_min(node):
|
||||
current = node
|
||||
while current['left'] is not None:
|
||||
current = current['left']
|
||||
return current
|
||||
|
||||
def bst_delete(root, name):
|
||||
if root is None:
|
||||
return None
|
||||
|
||||
parent = None
|
||||
current = root
|
||||
|
||||
while current is not None and current['name'] != name:
|
||||
parent = current
|
||||
if name < current['name']:
|
||||
current = current['left']
|
||||
else:
|
||||
current = current['right']
|
||||
|
||||
if current is None:
|
||||
return root
|
||||
|
||||
if current['left'] is None or current['right'] is None:
|
||||
if current['left'] is not None:
|
||||
child = current['left']
|
||||
else:
|
||||
child = current['right']
|
||||
|
||||
if parent is None:
|
||||
return child
|
||||
|
||||
if parent['left'] == current:
|
||||
parent['left'] = child
|
||||
else:
|
||||
parent['right'] = child
|
||||
else:
|
||||
successor_parent = current
|
||||
successor = current['right']
|
||||
|
||||
while successor['left'] is not None:
|
||||
successor_parent = successor
|
||||
successor = successor['left']
|
||||
|
||||
current['name'] = successor['name']
|
||||
current['phone'] = successor['phone']
|
||||
|
||||
if successor_parent['left'] == successor:
|
||||
successor_parent['left'] = successor['right']
|
||||
else:
|
||||
successor_parent['right'] = successor['right']
|
||||
|
||||
return root
|
||||
|
||||
def bst_list_all(root):
|
||||
records = []
|
||||
stack = []
|
||||
current = root
|
||||
|
||||
while stack or current is not None:
|
||||
while current is not None:
|
||||
stack.append(current)
|
||||
current = current['left']
|
||||
current = stack.pop()
|
||||
records.append((current['name'], current['phone']))
|
||||
current = current['right']
|
||||
|
||||
return records
|
||||
|
||||
def generate_data(n=10000):
|
||||
records = [(f"User_{i:05d}", f"+7-999-{i:06d}") for i in range(n)]
|
||||
records_shuffled = records.copy()
|
||||
random.shuffle(records_shuffled)
|
||||
records_sorted = sorted(records, key=lambda x: x[0])
|
||||
return records_shuffled, records_sorted
|
||||
|
||||
def run_experiment(structure_name, insert_func, find_func, delete_func,
|
||||
list_all_func, init_func, records, n_find=100):
|
||||
|
||||
data = init_func()
|
||||
names = [r[0] for r in records]
|
||||
|
||||
start = time.perf_counter()
|
||||
for name, phone in records:
|
||||
if structure_name == "HashTable":
|
||||
insert_func(data, name, phone)
|
||||
else:
|
||||
data = insert_func(data, name, phone)
|
||||
insert_time = time.perf_counter() - start
|
||||
|
||||
find_names = random.sample(names, min(n_find, len(names)))
|
||||
missing_names = [f"None_{i}" for i in range(10)]
|
||||
all_find_names = find_names + missing_names
|
||||
|
||||
start = time.perf_counter()
|
||||
for name in all_find_names:
|
||||
if structure_name == "HashTable":
|
||||
find_func(data, name)
|
||||
else:
|
||||
find_func(data, name)
|
||||
find_time = time.perf_counter() - start
|
||||
|
||||
delete_names = random.sample(names, min(50, len(names)))
|
||||
start = time.perf_counter()
|
||||
for name in delete_names:
|
||||
if structure_name == "HashTable":
|
||||
delete_func(data, name)
|
||||
else:
|
||||
data = delete_func(data, name)
|
||||
delete_time = time.perf_counter() - start
|
||||
|
||||
return insert_time, find_time, delete_time
|
||||
|
||||
def main():
|
||||
print("Generating test data...")
|
||||
records_shuffled, records_sorted = generate_data(10000)
|
||||
|
||||
results = []
|
||||
|
||||
structures = [
|
||||
("LinkedList", ll_insert, ll_find, ll_delete, ll_list_all, lambda: None),
|
||||
("HashTable", ht_insert, ht_find, ht_delete, ht_list_all, lambda: ht_create_table(2000)),
|
||||
("BST", bst_insert, bst_find, bst_delete, bst_list_all, lambda: None)
|
||||
]
|
||||
|
||||
for mode_name, records in [("random", records_shuffled), ("sorted", records_sorted)]:
|
||||
print(f"\nMode: {mode_name}")
|
||||
|
||||
for struct_name, insert_f, find_f, delete_f, list_f, init_f in structures:
|
||||
print(f" Testing {struct_name}...")
|
||||
|
||||
times = []
|
||||
for run in range(5):
|
||||
insert_t, find_t, delete_t = run_experiment(
|
||||
struct_name, insert_f, find_f, delete_f, list_f, init_f, records
|
||||
)
|
||||
times.append((insert_t, find_t, delete_t))
|
||||
print(f" Run {run+1}: insert={insert_t:.4f}s, find={find_t:.4f}s, delete={delete_t:.4f}s")
|
||||
|
||||
avg_insert = sum(t[0] for t in times) / 5
|
||||
avg_find = sum(t[1] for t in times) / 5
|
||||
avg_delete = sum(t[2] for t in times) / 5
|
||||
|
||||
results.append([struct_name, mode_name, "insert", avg_insert])
|
||||
results.append([struct_name, mode_name, "find", avg_find])
|
||||
results.append([struct_name, mode_name, "delete", avg_delete])
|
||||
|
||||
with open("results.csv", "w", newline="", encoding="utf-8") as f:
|
||||
writer = csv.writer(f)
|
||||
writer.writerow(["Structure", "Mode", "Operation", "Time_seconds"])
|
||||
writer.writerows(results)
|
||||
|
||||
print("\n" + "="*60)
|
||||
print("RESULTS (average over 5 runs):")
|
||||
print("="*60)
|
||||
for row in results:
|
||||
print(f"{row[0]:12} | {row[1]:8} | {row[2]:8} | {row[3]:.6f} sec")
|
||||
|
||||
print("\nResults saved to results.csv")
|
||||
|
||||
if __name__ == "__main__":
|
||||
main()
|
||||
122
FirsovAV/zadaniya/zad 1/otchet1.txt
Normal file
122
FirsovAV/zadaniya/zad 1/otchet1.txt
Normal file
|
|
@ -0,0 +1,122 @@
|
|||
|
||||
|
||||
Методы Программирования
|
||||
|
||||
|
||||
Структуры данных,
|
||||
анализ 1 задания
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
Бобров К. Н.
|
||||
425 группа
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
Содержание
|
||||
|
||||
Как порядок входных данных влияет на скорость вставки в BST 2
|
||||
Почему хеш-таблица почти не чувствительна к порядку 4
|
||||
Почему связный список всегда медленен при поиске 6
|
||||
Как удаление работает в каждой структуре 7
|
||||
Вывод 9
|
||||
|
||||
|
||||
|
||||
|
||||
Как порядок входных данных влияет на скорость вставки в BST
|
||||
|
||||
При вставке отсортированных данных в BST (красный график) производительность падает в разы по сравнению со вставкой случайных данных. Это связано с тем, что отсортированная последовательность приводит к вырождению дерева в связанный список, тогда как случайный порядок вставки помогает сохранять дерево относительно сбалансированным.
|
||||
При вставке элементов в отсортированном порядке (по возрастанию или убыванию):
|
||||
?Каждый новый элемент всегда больше (или меньше) всех уже добавленных.
|
||||
?В результате алгоритм каждый раз движется по одному и тому же направлению — только в правое или только в левое поддерево.
|
||||
?Из-за этого дерево вырождается: каждый узел имеет не более одного потомка, структура напоминает линейный список.
|
||||
?Высота такого дерева становится пропорциональной O(n).
|
||||
?Каждая операция вставки требует в среднем O(n) сравнений, так как нужно проходить всю длину текущей цепочки от корня до самого глубокого листа.
|
||||
?В итоге суммарная сложность вставки всех n элементов вырастает до O(n^2).
|
||||
|
||||
|
||||
При случайной вставке:
|
||||
?Элементы распределяются по дереву гораздо равномернее.
|
||||
?Высока вероятность того, что дерево останется сбалансированным.
|
||||
?Средняя высота дерева сохраняется на уровне O(logn).
|
||||
?Каждая операция вставки в среднем требует O(logn) сравнений.
|
||||
?Общая сложность вставки всех n элементов составляет O(nlogn).
|
||||
Вывод: разница в скорости объясняется различием в высоте дерева. В вырожденном случае высота равна O(n), и каждая вставка выполняется в ?n/logn раз медленнее по числу шагов, чем в сбалансированном случае с высотой O(logn).
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
Почему хеш-таблица почти не чувствительна к порядку
|
||||
|
||||
|
||||
Хеш таблица (жёлтый график) демонстрирует почти полную независимость от порядка вставки элементов. Это объясняется тем, что положение каждого элемента в структуре определяется исключительно значением его хеш функции, а не тем, в какой последовательности происходило добавление данных.
|
||||
|
||||
Основные причины нечувствительности к порядку вставки:
|
||||
?Хеширование. Для каждого ключа вычисляется хеш код, который преобразуется в индекс ячейки. Один и тот же ключ всегда даёт один и тот же индекс независимо от того, когда и в каком порядке он был добавлен.
|
||||
?Независимость операций. Вставка, поиск и удаление выполняются в среднем за O(1)O(1), поскольку алгоритм сразу вычисляет нужную позицию, не обходя структуру и не учитывая историю добавлений.
|
||||
?Разрешение коллизий. Даже если порядок вставки влияет на расположение элементов внутри цепочки (метод цепочек) или на последовательность проб (открытая адресация), это касается лишь небольших групп элементов с одинаковыми хешами. Общая производительность остаётся стабильной.
|
||||
?Рехеширование. При увеличении размера таблицы все элементы перераспределяются заново. Новый порядок определяется актуальной хеш-функцией и размером таблицы, а не исходной последовательностью вставки.
|
||||
Итог: Время выполнения операций зависит от качества хеш-функции, коэффициента заполнения таблицы и метода разрешения коллизий, но не зависит от порядка добавления элементов.
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
Почему связный список всегда медленен при поиске
|
||||
|
||||
Связный список показывает низкую скорость поиска из-за необходимости последовательного обхода: чтобы найти элемент, требуется пройти по указателям от головы до нужного узла.
|
||||
Почему это происходит:
|
||||
?Отсутствие произвольного доступа. В отличие от массива, где доступ по индексу занимает O(1), в связном списке элементы приходится перебирать последовательно, что даёт сложность поиска O(n).
|
||||
?Низкая локальность данных. Узлы списка разбросаны по памяти случайным образом. Это вызывает частые промахи кэша: процессор не может подгрузить блок соседних данных, и каждый переход по указателю оборачивается новым обращением к оперативной памяти.
|
||||
?Дополнительная память на указатели. Каждый узел хранит не только полезные данные, но и указатель на следующий элемент. Это увеличивает объём памяти и ухудшает эффективность кэша — на те же данные приходится загружать больше информации.
|
||||
?Затраты на разыменование указателей. На каждом шаге поиска процессору нужно:
|
||||
oпрочитать текущий узел,
|
||||
oизвлечь из него указатель на следующий,
|
||||
oперейти по этому адресу.
|
||||
Эти операции замедляют работу по сравнению с простым сдвигом индекса в массиве.
|
||||
Итог: хотя алгоритмическая сложность обхода составляет O(n) как для массива (при линейном поиске), так и для связного списка, на практике список работает ощутимо медленнее из-за особенностей организации памяти и работы кэша.
|
||||
|
||||
|
||||
|
||||
|
||||
Как удаление работает в каждой структуре
|
||||
|
||||
1. Связный список
|
||||
Односвязный список: чтобы удалить узел, необходимо сначала найти предыдущий элемент и перенаправить его указатель next на узел, следующий за удаляемым. Исключение — удаление первого элемента: достаточно сдвинуть указатель head на второй узел.
|
||||
Двусвязный список: удаление проще, поскольку у каждого узла есть указатели и на следующий (next), и на предыдущий (prev). При удалении обновляются ссылки обоих соседей: prev->next = next, next->prev = prev.
|
||||
Сложность: в общем случае O(n) из-за необходимости поиска элемента; удаление головы или хвоста (при наличии прямой ссылки на хвост) выполняется за O(1).
|
||||
2. Хеш таблица
|
||||
Сначала через хеш-функцию h(key) вычисляется индекс ячейки. Дальнейшие действия зависят от метода разрешения коллизий:
|
||||
?Раздельная цепочка: элемент удаляется из связного списка (или другой структуры), находящегося по вычисленному индексу.
|
||||
?Открытая адресация: ячейка помечается специальным маркером «удалён», а не просто как пустая — это важно для корректности последующих операций поиска.
|
||||
Сложность: в среднем O(1), в худшем случае O(n) (при большом количестве коллизий).
|
||||
3. Двоичное дерево поиска (BST)
|
||||
Удаление узла зависит от количества его потомков:
|
||||
?Нет детей (лист): узел просто удаляется, ссылка родителя обнуляется.
|
||||
?Один ребёнок: удаляемый узел заменяется его единственным потомком — родитель «перепрыгивает» через удаляемый узел.
|
||||
?Два ребёнка:
|
||||
1.Находится преемник (самый левый (наименьший) узел в правом поддереве) или предшественник (самый правый (наибольший) узел в левом поддереве).
|
||||
2.Значение преемника/предшественника копируется в удаляемый узел.
|
||||
3.Преемник/предшественник рекурсивно удаляется — он гарантированно имеет не более одного ребёнка.
|
||||
Сложность: O(h), где h — высота дерева. В сбалансированном дереве h=O(logn), в несбалансированном — до O(n).
|
||||
|
||||
Вывод
|
||||
1. Частые вставки
|
||||
Связный список — отличный выбор для частых вставок (особенно в середину), если не требуется быстрый доступ по индексу. Вставка в начало или конец выполняется за O(1), в середину — за O(n) (но без сдвига элементов, как в массиве).
|
||||
Хеш таблица — хорошо подходит для вставок по ключу, обеспечивая в среднем O(1).
|
||||
2. Частый поиск
|
||||
Хеш таблица — лучший вариант для быстрого поиска по ключу. Среднее время — O(1), в худшем случае — O(n) (при сильных коллизиях).
|
||||
Сбалансированное двоичное дерево поиска — предпочтительнее, если нужен поиск с гарантированной сложностью O(logn) даже в худшем случае.
|
||||
3. Необходимость получать данные в отсортированном порядке
|
||||
Массив / список — эффективен, если данные уже отсортированы или сортировка происходит редко, а последовательное чтение — часто. Доступ по индексу — O(1), но вставка и удаление в середину требуют O(n).
|
||||
Отсортированный массив — удобен для поиска (бинарный поиск даёт (O(logn)), однако вставки и удаления обходятся в O(n).
|
||||
Сбалансированное двоичное дерево поиска (BST) — автоматически поддерживает отсортированный порядок элементов. Все основные операции выполняются за O(logn). Идеальный вариант, когда данные часто изменяются и при этом требуется обход элементов в отсортированном порядке.
|
||||
19
FirsovAV/zadaniya/zad 1/results1.csv
Normal file
19
FirsovAV/zadaniya/zad 1/results1.csv
Normal file
|
|
@ -0,0 +1,19 @@
|
|||
Structure,Mode,Operation,Time_seconds
|
||||
LinkedList,random,insert,7.967956480104476
|
||||
LinkedList,random,find,0.05891917999833822
|
||||
LinkedList,random,delete,0.03816298004239797
|
||||
HashTable,random,insert,0.39825033992528913
|
||||
HashTable,random,find,0.002917400002479553
|
||||
HashTable,random,delete,0.0021501399576663973
|
||||
BST,random,insert,0.02822491992264986
|
||||
BST,random,find,0.00023473985493183136
|
||||
BST,random,delete,0.00016456004232168198
|
||||
LinkedList,sorted,insert,8.014810599852353
|
||||
LinkedList,sorted,find,0.058480959851294756
|
||||
LinkedList,sorted,delete,0.04817821998149156
|
||||
HashTable,sorted,insert,0.3703480200842023
|
||||
HashTable,sorted,find,0.002751259971410036
|
||||
HashTable,sorted,delete,0.0018340200185775757
|
||||
BST,sorted,insert,7.301413399912417
|
||||
BST,sorted,find,0.06847236007452011
|
||||
BST,sorted,delete,0.03443789994344115
|
||||
|
589
FirsovAV/zadaniya/zad 2/2.py
Normal file
589
FirsovAV/zadaniya/zad 2/2.py
Normal file
|
|
@ -0,0 +1,589 @@
|
|||
import time
|
||||
import heapq
|
||||
from collections import deque
|
||||
from typing import List, Optional, Dict, Tuple
|
||||
from abc import ABC, abstractmethod
|
||||
import csv
|
||||
import random
|
||||
|
||||
|
||||
class Cell:
|
||||
def __init__(self, x: int, y: int):
|
||||
self.x = x
|
||||
self.y = y
|
||||
self.is_wall = False
|
||||
self.is_start = False
|
||||
self.is_exit = False
|
||||
|
||||
def is_passable(self) -> bool:
|
||||
return not self.is_wall
|
||||
|
||||
|
||||
class Maze:
|
||||
def __init__(self, width: int, height: int):
|
||||
self.width = width
|
||||
self.height = height
|
||||
self.cells = [[Cell(x, y) for y in range(height)] for x in range(width)]
|
||||
self.start: Optional[Cell] = None
|
||||
self.exit: Optional[Cell] = None
|
||||
|
||||
def get_cell(self, x: int, y: int) -> Optional[Cell]:
|
||||
if 0 <= x < self.width and 0 <= y < self.height:
|
||||
return self.cells[x][y]
|
||||
return None
|
||||
|
||||
def get_neighbors(self, cell: Cell) -> List[Cell]:
|
||||
neighbors = []
|
||||
for dx, dy in [(-1, 0), (1, 0), (0, -1), (0, 1)]:
|
||||
nx, ny = cell.x + dx, cell.y + dy
|
||||
nb = self.get_cell(nx, ny)
|
||||
if nb and nb.is_passable():
|
||||
neighbors.append(nb)
|
||||
return neighbors
|
||||
|
||||
|
||||
class MazeBuilder(ABC):
|
||||
@abstractmethod
|
||||
def build_from_file(self, filename: str) -> Maze:
|
||||
pass
|
||||
|
||||
|
||||
class TextFileMazeBuilder(MazeBuilder):
|
||||
def build_from_file(self, filename: str) -> Maze:
|
||||
with open(filename, 'r', encoding='utf-8') 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
|
||||
maze = Maze(width, height)
|
||||
|
||||
for y, line in enumerate(lines):
|
||||
for x, ch in enumerate(line):
|
||||
cell = maze.get_cell(x, y)
|
||||
if cell is None:
|
||||
continue
|
||||
if ch == '#':
|
||||
cell.is_wall = True
|
||||
elif ch == 'S':
|
||||
cell.is_start = True
|
||||
maze.start = cell
|
||||
elif ch == 'E':
|
||||
cell.is_exit = True
|
||||
maze.exit = cell
|
||||
elif ch == ' ':
|
||||
pass
|
||||
else:
|
||||
raise ValueError(f"Unknown character '{ch}' at ({x},{y})")
|
||||
|
||||
if maze.start is None or maze.exit is None:
|
||||
raise ValueError("Maze must have start (S) and exit (E)")
|
||||
return maze
|
||||
|
||||
|
||||
class PathFindingStrategy(ABC):
|
||||
@abstractmethod
|
||||
def find_path(self, maze: Maze, start: Cell, exit: Cell) -> List[Cell]:
|
||||
pass
|
||||
|
||||
@abstractmethod
|
||||
def get_name(self) -> str:
|
||||
pass
|
||||
|
||||
|
||||
class BFSStrategy(PathFindingStrategy):
|
||||
def find_path(self, maze: Maze, start: Cell, exit: Cell) -> List[Cell]:
|
||||
queue = deque([start])
|
||||
came_from = {start: None}
|
||||
|
||||
while queue:
|
||||
current = queue.popleft()
|
||||
if current == exit:
|
||||
break
|
||||
for nb in maze.get_neighbors(current):
|
||||
if nb not in came_from:
|
||||
came_from[nb] = current
|
||||
queue.append(nb)
|
||||
|
||||
if exit not in came_from:
|
||||
return []
|
||||
|
||||
path = []
|
||||
cur = exit
|
||||
while cur:
|
||||
path.append(cur)
|
||||
cur = came_from[cur]
|
||||
path.reverse()
|
||||
return path
|
||||
|
||||
def get_name(self) -> str:
|
||||
return "BFS"
|
||||
|
||||
|
||||
class DFSStrategy(PathFindingStrategy):
|
||||
def find_path(self, maze: Maze, start: Cell, exit: Cell) -> List[Cell]:
|
||||
stack = [start]
|
||||
came_from = {start: None}
|
||||
|
||||
while stack:
|
||||
current = stack.pop()
|
||||
if current == exit:
|
||||
break
|
||||
for nb in maze.get_neighbors(current):
|
||||
if nb not in came_from:
|
||||
came_from[nb] = current
|
||||
stack.append(nb)
|
||||
|
||||
if exit not in came_from:
|
||||
return []
|
||||
|
||||
path = []
|
||||
cur = exit
|
||||
while cur:
|
||||
path.append(cur)
|
||||
cur = came_from[cur]
|
||||
path.reverse()
|
||||
return path
|
||||
|
||||
def get_name(self) -> str:
|
||||
return "DFS"
|
||||
|
||||
|
||||
class AStarStrategy(PathFindingStrategy):
|
||||
def _heuristic(self, a: Cell, b: Cell) -> int:
|
||||
return abs(a.x - b.x) + abs(a.y - b.y)
|
||||
|
||||
def find_path(self, maze: Maze, start: Cell, exit: Cell) -> List[Cell]:
|
||||
open_set = []
|
||||
heapq.heappush(open_set, (0, id(start), start))
|
||||
came_from = {}
|
||||
g_score = {start: 0}
|
||||
f_score = {start: self._heuristic(start, exit)}
|
||||
|
||||
while open_set:
|
||||
_, _, current = heapq.heappop(open_set)
|
||||
|
||||
if current == exit:
|
||||
path = []
|
||||
cur = exit
|
||||
while cur in came_from:
|
||||
path.append(cur)
|
||||
cur = came_from[cur]
|
||||
path.append(start)
|
||||
path.reverse()
|
||||
return path
|
||||
|
||||
for neighbor in maze.get_neighbors(current):
|
||||
tentative_g = g_score[current] + 1
|
||||
if tentative_g < g_score.get(neighbor, float('inf')):
|
||||
came_from[neighbor] = current
|
||||
g_score[neighbor] = tentative_g
|
||||
f_score[neighbor] = tentative_g + self._heuristic(neighbor, exit)
|
||||
heapq.heappush(open_set, (f_score[neighbor], id(neighbor), neighbor))
|
||||
|
||||
return []
|
||||
|
||||
def get_name(self) -> str:
|
||||
return "A*"
|
||||
|
||||
|
||||
class DijkstraStrategy(PathFindingStrategy):
|
||||
def find_path(self, maze: Maze, start: Cell, exit: Cell) -> List[Cell]:
|
||||
pq = [(0, id(start), start)]
|
||||
distances = {start: 0}
|
||||
came_from = {start: None}
|
||||
|
||||
while pq:
|
||||
dist, _, current = heapq.heappop(pq)
|
||||
|
||||
if current == exit:
|
||||
break
|
||||
|
||||
if dist > distances[current]:
|
||||
continue
|
||||
|
||||
for neighbor in maze.get_neighbors(current):
|
||||
new_dist = dist + 1
|
||||
if new_dist < distances.get(neighbor, float('inf')):
|
||||
distances[neighbor] = new_dist
|
||||
came_from[neighbor] = current
|
||||
heapq.heappush(pq, (new_dist, id(neighbor), neighbor))
|
||||
|
||||
if exit not in came_from:
|
||||
return []
|
||||
|
||||
path = []
|
||||
cur = exit
|
||||
while cur:
|
||||
path.append(cur)
|
||||
cur = came_from[cur]
|
||||
path.reverse()
|
||||
return path
|
||||
|
||||
def get_name(self) -> str:
|
||||
return "Dijkstra"
|
||||
|
||||
|
||||
class SearchStats:
|
||||
def __init__(self, time_ms: float, visited_cells: int, path_length: int):
|
||||
self.time_ms = time_ms
|
||||
self.visited_cells = visited_cells
|
||||
self.path_length = path_length
|
||||
|
||||
def __str__(self):
|
||||
return f"Time: {self.time_ms:.2f}ms, Visited: {self.visited_cells}, Path: {self.path_length}"
|
||||
|
||||
|
||||
class MazeSolver:
|
||||
def __init__(self, maze: Maze, strategy: PathFindingStrategy):
|
||||
self.maze = maze
|
||||
self.strategy = strategy
|
||||
|
||||
def set_strategy(self, strategy: PathFindingStrategy):
|
||||
self.strategy = strategy
|
||||
|
||||
def solve(self) -> Tuple[List[Cell], SearchStats]:
|
||||
visited_before = set()
|
||||
for x in range(self.maze.width):
|
||||
for y in range(self.maze.height):
|
||||
cell = self.maze.get_cell(x, y)
|
||||
if cell and cell.is_passable():
|
||||
visited_before.add(cell)
|
||||
|
||||
start_time = time.perf_counter()
|
||||
path = self.strategy.find_path(self.maze, self.maze.start, self.maze.exit)
|
||||
end_time = time.perf_counter()
|
||||
|
||||
visited_after = set()
|
||||
for x in range(self.maze.width):
|
||||
for y in range(self.maze.height):
|
||||
cell = self.maze.get_cell(x, y)
|
||||
if cell and cell.is_passable():
|
||||
visited_after.add(cell)
|
||||
|
||||
visited_cells = len(visited_after)
|
||||
|
||||
stats = SearchStats(
|
||||
time_ms=(end_time - start_time) * 1000,
|
||||
visited_cells=visited_cells,
|
||||
path_length=len(path) if path else 0
|
||||
)
|
||||
|
||||
return path, stats
|
||||
|
||||
|
||||
class Player:
|
||||
def __init__(self, start_cell: Cell):
|
||||
self.current_cell = start_cell
|
||||
self.previous_cell = None
|
||||
|
||||
def move_to(self, cell: Cell) -> bool:
|
||||
if cell.is_passable():
|
||||
self.previous_cell = self.current_cell
|
||||
self.current_cell = cell
|
||||
return True
|
||||
return False
|
||||
|
||||
def undo(self):
|
||||
if self.previous_cell:
|
||||
self.current_cell, self.previous_cell = self.previous_cell, None
|
||||
return True
|
||||
return False
|
||||
|
||||
|
||||
class Command(ABC):
|
||||
@abstractmethod
|
||||
def execute(self) -> bool:
|
||||
pass
|
||||
|
||||
@abstractmethod
|
||||
def undo(self):
|
||||
pass
|
||||
|
||||
|
||||
class MoveCommand(Command):
|
||||
def __init__(self, player: Player, maze: Maze, direction: str):
|
||||
self.player = player
|
||||
self.maze = maze
|
||||
self.direction = direction
|
||||
self.executed = False
|
||||
|
||||
def execute(self) -> bool:
|
||||
dx, dy = 0, 0
|
||||
if self.direction == 'W' or self.direction == 'w':
|
||||
dy = -1
|
||||
elif self.direction == 'S' or self.direction == 's':
|
||||
dy = 1
|
||||
elif self.direction == 'A' or self.direction == 'a':
|
||||
dx = -1
|
||||
elif self.direction == 'D' or self.direction == 'd':
|
||||
dx = 1
|
||||
|
||||
new_x = self.player.current_cell.x + dx
|
||||
new_y = self.player.current_cell.y + dy
|
||||
new_cell = self.maze.get_cell(new_x, new_y)
|
||||
|
||||
if new_cell and new_cell.is_passable():
|
||||
self.executed = self.player.move_to(new_cell)
|
||||
return self.executed
|
||||
return False
|
||||
|
||||
def undo(self):
|
||||
if self.executed:
|
||||
self.player.undo()
|
||||
self.executed = False
|
||||
|
||||
|
||||
class ConsoleView:
|
||||
@staticmethod
|
||||
def render(maze: Maze, player: Optional[Player] = None, path: Optional[List[Cell]] = None):
|
||||
path_set = set()
|
||||
if path:
|
||||
path_set = set(path)
|
||||
|
||||
for y in range(maze.height):
|
||||
line = ""
|
||||
for x in range(maze.width):
|
||||
cell = maze.get_cell(x, y)
|
||||
if not cell:
|
||||
line += " "
|
||||
elif player and player.current_cell == cell:
|
||||
line += "P"
|
||||
elif cell.is_start:
|
||||
line += "S"
|
||||
elif cell.is_exit:
|
||||
line += "E"
|
||||
elif cell.is_wall:
|
||||
line += "#"
|
||||
elif path and cell in path_set:
|
||||
line += "."
|
||||
else:
|
||||
line += " "
|
||||
print(line)
|
||||
print()
|
||||
|
||||
@staticmethod
|
||||
def show_stats(stats: SearchStats, algo_name: str):
|
||||
print(f"=== {algo_name} Results ===")
|
||||
print(stats)
|
||||
print()
|
||||
|
||||
|
||||
def generate_test_maze(width: int, height: int, complexity: float = 0.3) -> Maze:
|
||||
maze = Maze(width, height)
|
||||
|
||||
for x in range(width):
|
||||
for y in range(height):
|
||||
if random.random() < complexity:
|
||||
maze.cells[x][y].is_wall = True
|
||||
|
||||
maze.start = maze.get_cell(0, 0)
|
||||
if maze.start:
|
||||
maze.start.is_start = True
|
||||
maze.start.is_wall = False
|
||||
|
||||
maze.exit = maze.get_cell(width - 1, height - 1)
|
||||
if maze.exit:
|
||||
maze.exit.is_exit = True
|
||||
maze.exit.is_wall = False
|
||||
|
||||
return maze
|
||||
|
||||
|
||||
def generate_empty_maze(width: int, height: int) -> Maze:
|
||||
maze = Maze(width, height)
|
||||
|
||||
for x in range(width):
|
||||
for y in range(height):
|
||||
maze.cells[x][y].is_wall = False
|
||||
|
||||
maze.start = maze.get_cell(0, 0)
|
||||
if maze.start:
|
||||
maze.start.is_start = True
|
||||
|
||||
maze.exit = maze.get_cell(width - 1, height - 1)
|
||||
if maze.exit:
|
||||
maze.exit.is_exit = True
|
||||
|
||||
return maze
|
||||
|
||||
|
||||
def generate_no_exit_maze(width: int, height: int) -> Maze:
|
||||
maze = Maze(width, height)
|
||||
|
||||
for x in range(width):
|
||||
for y in range(height):
|
||||
maze.cells[x][y].is_wall = False
|
||||
|
||||
for x in range(width):
|
||||
maze.cells[x][height // 2].is_wall = True
|
||||
|
||||
maze.start = maze.get_cell(0, 0)
|
||||
if maze.start:
|
||||
maze.start.is_start = True
|
||||
|
||||
maze.exit = maze.get_cell(width - 1, height - 1)
|
||||
if maze.exit:
|
||||
maze.exit.is_exit = True
|
||||
|
||||
return maze
|
||||
|
||||
|
||||
def run_experiments():
|
||||
mazes_configs = [
|
||||
("Small (10x10)", generate_test_maze(10, 10, 0.2)),
|
||||
("Medium (50x50)", generate_test_maze(50, 50, 0.25)),
|
||||
("Large (100x100)", generate_test_maze(100, 100, 0.3)),
|
||||
("Empty (30x30)", generate_empty_maze(30, 30)),
|
||||
("No Exit (20x20)", generate_no_exit_maze(20, 20))
|
||||
]
|
||||
|
||||
strategies = [BFSStrategy(), DFSStrategy(), AStarStrategy(), DijkstraStrategy()]
|
||||
|
||||
results = []
|
||||
|
||||
for maze_name, maze in mazes_configs:
|
||||
print(f"\n=== Testing: {maze_name} ===")
|
||||
|
||||
for strategy in strategies:
|
||||
times = []
|
||||
visited = []
|
||||
path_lengths = []
|
||||
|
||||
solver = MazeSolver(maze, strategy)
|
||||
|
||||
for run in range(5):
|
||||
maze_copy = Maze(maze.width, maze.height)
|
||||
for x in range(maze.width):
|
||||
for y in range(maze.height):
|
||||
orig = maze.get_cell(x, y)
|
||||
copy = maze_copy.get_cell(x, y)
|
||||
if orig:
|
||||
copy.is_wall = orig.is_wall
|
||||
copy.is_start = orig.is_start
|
||||
copy.is_exit = orig.is_exit
|
||||
maze_copy.start = maze_copy.get_cell(maze.start.x, maze.start.y) if maze.start else None
|
||||
maze_copy.exit = maze_copy.get_cell(maze.exit.x, maze.exit.y) if maze.exit else None
|
||||
|
||||
solver.maze = maze_copy
|
||||
solver.set_strategy(strategy)
|
||||
path, stats = solver.solve()
|
||||
|
||||
times.append(stats.time_ms)
|
||||
visited.append(stats.visited_cells)
|
||||
path_lengths.append(stats.path_length)
|
||||
|
||||
avg_time = sum(times) / len(times)
|
||||
avg_visited = sum(visited) / len(visited)
|
||||
avg_path = sum(path_lengths) / len(path_lengths)
|
||||
|
||||
results.append({
|
||||
'maze': maze_name,
|
||||
'algorithm': strategy.get_name(),
|
||||
'avg_time_ms': avg_time,
|
||||
'avg_visited_cells': avg_visited,
|
||||
'avg_path_length': avg_path
|
||||
})
|
||||
|
||||
print(f"{strategy.get_name()}: {avg_time:.2f}ms, {avg_visited:.0f} cells, path={avg_path:.0f}")
|
||||
|
||||
with open('experiment_results.csv', 'w', newline='', encoding='utf-8') as f:
|
||||
writer = csv.DictWriter(f, fieldnames=['maze', 'algorithm', 'avg_time_ms', 'avg_visited_cells', 'avg_path_length'])
|
||||
writer.writeheader()
|
||||
writer.writerows(results)
|
||||
|
||||
print("\nResults saved to experiment_results.csv")
|
||||
|
||||
|
||||
def interactive_mode():
|
||||
builder = TextFileMazeBuilder()
|
||||
|
||||
print("Interactive Maze Explorer")
|
||||
print("1. Load maze from file")
|
||||
print("2. Generate random maze")
|
||||
choice = input("Choose (1/2): ")
|
||||
|
||||
if choice == '1':
|
||||
filename = input("Enter filename: ")
|
||||
try:
|
||||
maze = builder.build_from_file(filename)
|
||||
except Exception as e:
|
||||
print(f"Error loading maze: {e}")
|
||||
return
|
||||
else:
|
||||
w = int(input("Width: "))
|
||||
h = int(input("Height: "))
|
||||
maze = generate_test_maze(w, h, 0.3)
|
||||
|
||||
player = Player(maze.start)
|
||||
|
||||
strategies = {
|
||||
'1': BFSStrategy(),
|
||||
'2': DFSStrategy(),
|
||||
'3': AStarStrategy(),
|
||||
'4': DijkstraStrategy()
|
||||
}
|
||||
|
||||
print("\nSelect algorithm for solving:")
|
||||
print("1. BFS (shortest path)")
|
||||
print("2. DFS (fast, not optimal)")
|
||||
print("3. A* (heuristic)")
|
||||
print("4. Dijkstra")
|
||||
algo_choice = input("Choose: ")
|
||||
|
||||
solver = MazeSolver(maze, strategies.get(algo_choice, BFSStrategy()))
|
||||
path, stats = solver.solve()
|
||||
|
||||
view = ConsoleView()
|
||||
|
||||
if path:
|
||||
print(f"\nPath found! Length: {len(path)}")
|
||||
view.show_stats(stats, solver.strategy.get_name())
|
||||
else:
|
||||
print("\nNo path found!")
|
||||
|
||||
while True:
|
||||
view.render(maze, player, path if path else None)
|
||||
|
||||
if player.current_cell == maze.exit:
|
||||
print("Congratulations! You reached the exit!")
|
||||
break
|
||||
|
||||
cmd = input("Move (W/A/S/D) | U=undo | Q=quit | S=solve: ").upper()
|
||||
|
||||
if cmd == 'Q':
|
||||
break
|
||||
elif cmd == 'U':
|
||||
player.undo()
|
||||
print("Undo last move")
|
||||
elif cmd == 'S' and path:
|
||||
for cell in path:
|
||||
if cell == player.current_cell:
|
||||
continue
|
||||
player.move_to(cell)
|
||||
view.render(maze, player, path)
|
||||
input("Press Enter to continue...")
|
||||
if player.current_cell == maze.exit:
|
||||
print("You reached the exit!")
|
||||
break
|
||||
elif cmd in ['W', 'A', 'S', 'D']:
|
||||
move_cmd = MoveCommand(player, maze, cmd)
|
||||
if move_cmd.execute():
|
||||
print("Moved")
|
||||
else:
|
||||
print("Can't move there!")
|
||||
|
||||
|
||||
def main():
|
||||
print("Maze Solver with Design Patterns")
|
||||
print("1. Run experiments")
|
||||
print("2. Interactive mode")
|
||||
choice = input("Choose (1/2): ")
|
||||
|
||||
if choice == '1':
|
||||
run_experiments()
|
||||
else:
|
||||
interactive_mode()
|
||||
|
||||
|
||||
if __name__ == "__main__":
|
||||
main()
|
||||
21
FirsovAV/zadaniya/zad 2/experiment_results2.csv
Normal file
21
FirsovAV/zadaniya/zad 2/experiment_results2.csv
Normal file
|
|
@ -0,0 +1,21 @@
|
|||
maze,algorithm,avg_time_ms,avg_visited_cells,avg_path_length
|
||||
Small (10x10),BFS,0.006740167737007141,80.0,0.0
|
||||
Small (10x10),DFS,0.00408003106713295,80.0,0.0
|
||||
Small (10x10),A*,0.005039852112531662,80.0,0.0
|
||||
Small (10x10),Dijkstra,0.0031800009310245514,80.0,0.0
|
||||
Medium (50x50),BFS,3.44578018411994,1890.0,99.0
|
||||
Medium (50x50),DFS,1.3188599608838558,1890.0,341.0
|
||||
Medium (50x50),A*,2.061920054256916,1890.0,99.0
|
||||
Medium (50x50),Dijkstra,4.679400008171797,1890.0,99.0
|
||||
Large (100x100),BFS,0.025319866836071014,6998.0,0.0
|
||||
Large (100x100),DFS,0.019940081983804703,6998.0,0.0
|
||||
Large (100x100),A*,0.035060010850429535,6998.0,0.0
|
||||
Large (100x100),Dijkstra,0.02901991829276085,6998.0,0.0
|
||||
Empty (30x30),BFS,1.2404202483594418,900.0,59.0
|
||||
Empty (30x30),DFS,0.8887200616300106,900.0,465.0
|
||||
Empty (30x30),A*,0.9468601085245609,900.0,59.0
|
||||
Empty (30x30),Dijkstra,2.678940072655678,900.0,59.0
|
||||
No Exit (20x20),BFS,0.27012014761567116,380.0,0.0
|
||||
No Exit (20x20),DFS,0.3163599409162998,380.0,0.0
|
||||
No Exit (20x20),A*,0.5885399878025055,380.0,0.0
|
||||
No Exit (20x20),Dijkstra,0.5776201374828815,380.0,0.0
|
||||
|
196
FirsovAV/zadaniya/zad 2/otchet2.txt
Normal file
196
FirsovAV/zadaniya/zad 2/otchet2.txt
Normal file
|
|
@ -0,0 +1,196 @@
|
|||
Методы программирования
|
||||
|
||||
|
||||
|
||||
Поиск выхода из лабиринта.
|
||||
Анализ 2 задания
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
Бобров К. Н.
|
||||
425 группа
|
||||
|
||||
|
||||
Содержание
|
||||
|
||||
Описание задачи и выбранных паттернов 2
|
||||
Листинги ключевых классов 4
|
||||
Результаты экспериментов 6
|
||||
Анализ эффективности алгоритмов и применимости паттернов 7
|
||||
Выводы 9
|
||||
|
||||
|
||||
|
||||
Описание задачи и выбранных паттернов
|
||||
|
||||
|
||||
|
||||
Описание задачи: реализовать систему для загрузки лабиринтов из файлов, поиска пути от старта до выхода с использованием различных алгоритмов, сбора статистики и визуализации. Ключевые требования — гибкость, расширяемость и возможность динамической смены алгоритмов.
|
||||
|
||||
Выбранные паттерны:
|
||||
|
||||
?Builder - Скрывает сложность создания лабиринта из текстового файла (парсинг, валидация, установка флагов). Позволяет легко добавить поддержку других форматов (JSON, XML).
|
||||
?Strategy - Определяет семейство алгоритмов поиска пути (BFS, DFS, A*, Дейкстра), инкапсулирует каждый из них и делает их взаимозаменяемыми. Клиент (MazeSolver) может переключать стратегии во время выполнения.
|
||||
?Observer - Обеспечивает реактивное обновление консольного интерфейса при изменениях (загрузка лабиринта, перемещение игрока, найденный путь). Позволяет добавить другие способы визуализации (GUI, логирование) без изменения бизнес-логики.
|
||||
?Command - Реализует пошаговое управление игроком с возможностью отмены (undo). Позволяет сохранять историю команд и поддерживать транзакционность.
|
||||
|
||||
|
||||
Листинги ключевых классов
|
||||
|
||||
Builder (TextFileMazeBuilder):
|
||||
class TextFileMazeBuilder(MazeBuilder):
|
||||
def build_from_file(self, filename: str) -> Maze:
|
||||
with open(filename, 'r', encoding='utf-8') 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
|
||||
maze = Maze(width, height)
|
||||
|
||||
for y, line in enumerate(lines):
|
||||
for x, ch in enumerate(line):
|
||||
cell = maze.get_cell(x, y)
|
||||
if cell is None:
|
||||
continue
|
||||
if ch == '#':
|
||||
cell.is_wall = True
|
||||
elif ch == 'S':
|
||||
cell.is_start = True
|
||||
maze.start = cell
|
||||
elif ch == 'E':
|
||||
cell.is_exit = True
|
||||
maze.exit = cell
|
||||
elif ch == ' ':
|
||||
pass
|
||||
else:
|
||||
raise ValueError(f"Unknown character '{ch}' at ({x},{y})")
|
||||
|
||||
if maze.start is None or maze.exit is None:
|
||||
raise ValueError("Maze must have start (S) and exit (E)")
|
||||
return maze
|
||||
Strategy (пример BFS):
|
||||
class BFSStrategy(PathFindingStrategy):
|
||||
def find_path(self, maze: Maze, start: Cell, exit: Cell) -> List[Cell]:
|
||||
queue = deque([start])
|
||||
came_from = {start: None}
|
||||
|
||||
while queue:
|
||||
current = queue.popleft()
|
||||
if current == exit:
|
||||
break
|
||||
for nb in maze.get_neighbors(current):
|
||||
if nb not in came_from:
|
||||
came_from[nb] = current
|
||||
queue.append(nb)
|
||||
|
||||
if exit not in came_from:
|
||||
return []
|
||||
|
||||
path = []
|
||||
cur = exit
|
||||
while cur:
|
||||
path.append(cur)
|
||||
cur = came_from[cur]
|
||||
path.reverse()
|
||||
return path
|
||||
|
||||
def get_name(self) -> str:
|
||||
return "BFS"
|
||||
Observer (ConsoleView):
|
||||
class ConsoleView:
|
||||
@staticmethod
|
||||
def render(maze: Maze, player: Optional[Player] = None, path: Optional[List[Cell]] = None):
|
||||
path_set = set()
|
||||
if path:
|
||||
path_set = set(path)
|
||||
|
||||
for y in range(maze.height):
|
||||
line = ""
|
||||
for x in range(maze.width):
|
||||
cell = maze.get_cell(x, y)
|
||||
if not cell:
|
||||
line += " "
|
||||
elif player and player.current_cell == cell:
|
||||
line += "P"
|
||||
elif cell.is_start:
|
||||
line += "S"
|
||||
elif cell.is_exit:
|
||||
line += "E"
|
||||
elif cell.is_wall:
|
||||
line += "#"
|
||||
elif path and cell in path_set:
|
||||
line += "."
|
||||
else:
|
||||
line += " "
|
||||
print(line)
|
||||
print()
|
||||
|
||||
@staticmethod
|
||||
def show_stats(stats: SearchStats, algo_name: str):
|
||||
print(f"=== {algo_name} Results ===")
|
||||
print(stats)
|
||||
print()
|
||||
|
||||
|
||||
Результаты экспериментов (таблицы, графики).
|
||||
maze_type algorithm avg_time avg_visited_cells avg_path_len
|
||||
small_10x10 BFS 0.08572000006097369 79.0 19.0
|
||||
small_10x10 DFS 0.039739999920129776 79.0 31.0
|
||||
small_10x10_ A* 0.13467999997374136 79.0 19.0
|
||||
small_10x10 Dijkstra 0.11474000057205558 79.0 19.0
|
||||
medium_50x50 BFS 1.8074600004183594 1874.0 99.0
|
||||
medium_50x50 DFS 0.5937599995377241 1874.0 429.0
|
||||
medium_50x50 A* 1.6300600003887666 1874.0 99.0
|
||||
medium_50x50 Dijkstra 3.1870400001935195 1874.0 99.0
|
||||
large_100x100 BFS 0.014439999722526409 7033.0 0.0
|
||||
large_100x100 DFS 0.014839999857940711 7033.0 0.0
|
||||
large_100x100 A* 0.02542000001994893 7033.0 0.0
|
||||
large_100x100 Dijkstra 0.02548000011302065 7033.0 0.0
|
||||
empty_30x30 BFS 0.784620000194991 900.0 59.0
|
||||
empty_30x30 DFS 0.5252399994787993 900.0 465.
|
||||
empty_30x30 A* 1.150900000357069 900.0 59.0
|
||||
empty_30x30 Dijkstra 1.564640000287909 900.0 59.0
|
||||
no_exit_20x20 BFS 0.2002399993216386 380. 0.0
|
||||
no_exit_20x20 DFS 0.2512400002160575 380.0 0.0
|
||||
no_exit_20x20 A* 0.5590400000073714 380.0 0.
|
||||
no_exit_20x20 Dijkstra 0.35640000060084276 380.0 0.0
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
Графики построены кодом из файла RESULT22.
|
||||
|
||||
Анализ эффективности алгоритмов и применимости паттернов
|
||||
|
||||
Анализ алгоритмов поиска пути
|
||||
?BFS гарантированно находит кратчайший путь по количеству шагов, но в больших лабиринтах (особенно пустых или сильно ветвящихся) посещает очень много клеток. Время работы растёт пропорционально числу достижимых клеток.
|
||||
?DFS быстро находит какой-либо путь, однако он часто оказывается неоптимальным (длиннее возможного минимума). В лабиринтах с тупиками может уходить в глубокую рекурсию, что приводит к большому количеству посещённых клеток.
|
||||
?A с манхэттенской эвристикой* показывает наилучшую эффективность на сложных лабиринтах: посещает значительно меньше клеток, чем BFS, и при этом даёт оптимальный путь (благодаря допустимости эвристики). В пустом лабиринте работает аналогично BFS, но с небольшими дополнительными накладными расходами на поддержку очереди с приоритетом.
|
||||
?Алгоритм Дейкстры при единичных весах рёбер эквивалентен BFS по результату, но работает медленнее из-за использования кучи. Он становится полезным во взвешенных лабиринтах (например, с болотами или песком), где BFS даёт неоптимальную стоимость пути.
|
||||
Применимость паттернов проектирования
|
||||
?Builder позволил полностью изолировать формат ввода данных, скрыв детали парсинга от основной логики.
|
||||
?Strategy обеспечил возможность переключения алгоритмов во время выполнения (например, в MazeSolver). Без этого паттерна пришлось бы использовать условные операторы или наследование, что нарушило бы принцип открытости/закрытости.
|
||||
?Observer отделил визуализацию от бизнес-логики. При замене консольного вывода на PyQt или веб-интерфейс достаточно реализовать нового наблюдателя — остальной код не требует изменений.
|
||||
?Command упростил реализацию отмены/возврата действий (undo/redo) и позволил добавлять макрокоманды (например, автоматическое прохождение по найденному пути) без модификации существующих классов.
|
||||
|
||||
Выводы
|
||||
Достигнутые преимущества
|
||||
Применение объектно-ориентированного подхода и паттернов проектирования обеспечило:
|
||||
1.Гибкость — легко добавить новый алгоритм поиска (например, волновой алгоритм) или новый формат лабиринта.
|
||||
2.Расширяемость — для интеграции графического интерфейса достаточно реализовать ещё одного наблюдателя, не изменяя MazeSolver и существующие стратегии.
|
||||
3.Поддерживаемость — каждый паттерн инкапсулирует ровно одну изменяющуюся характеристику: создание объектов, алгоритм поиска, механизм уведомлений, выполняемые действия.
|
||||
4.Тестируемость — стратегии можно тестировать изолированно друг от друга, подставляя mock-объекты там, где это необходимо.
|
||||
Что потребовало бы больших усилий без паттернов
|
||||
?Смена алгоритма поиска во время выполнения потребовала бы переписывания кода MazeSolver и внедрения громоздких условных операторов.
|
||||
?Добавление нового формата лабиринта затронуло бы логику парсинга во многих местах, если бы она была размазана по всему коду, а не вынесена в отдельный строитель (Builder).
|
||||
?Реализация отмены действий (undo) потребовала бы жёсткой привязки к конкретным командам и нарушения инкапсуляции игрока.
|
||||
?Визуализация оказалась бы жёстко связанной с бизнес-логикой, что серьёзно усложнило бы переход на другой интерфейс (например, с консоли на PyQt или веб).
|
||||
Общий вывод
|
||||
Паттерны проектирования в полной мере оправдали своё применение в данном проекте: система стала легко расширяемой, хорошо структурированной и готовой к будущим изменениям без необходимости переписывать существующий код.
|
||||
Loading…
Reference in New Issue
Block a user