87 lines
3.6 KiB
Markdown
87 lines
3.6 KiB
Markdown
|
# Лабораторная работа №5
|
|||
|
|
|
|||
|
|
## Задание
|
|||
|
|
|
|||
|
|
Кратко: реализовать умножение двух больших квадратных матриц.
|
|||
|
|
|
|||
|
|
Подробно: в лабораторной работе требуется сделать два алгоритма: обычный и параллельный. В параллельном алгоритме предусмотреть ручное задание количества потоков, каждый из которых будет выполнять умножение элементов матрицы в рамках своей зоны ответственности.
|
|||
|
|
|
|||
|
|
## Ход работы
|
|||
|
|
|
|||
|
|
### Последовательный алгоритм
|
|||
|
|
```
|
|||
|
|
public static int[][] multiplyMatricesSequential(int[][] matrix1, int[][] matrix2) {
|
|||
|
|
int rows1 = matrix1.length;
|
|||
|
|
int columns1 = matrix1[0].length;
|
|||
|
|
int columns2 = matrix2[0].length;
|
|||
|
|
|
|||
|
|
int[][] result = new int[rows1][columns2];
|
|||
|
|
|
|||
|
|
for (int i = 0; i < rows1; i++) {
|
|||
|
|
for (int j = 0; j < columns2; j++) {
|
|||
|
|
for (int k = 0; k < columns1; k++) {
|
|||
|
|
result[i][j] += matrix1[i][k] * matrix2[k][j];
|
|||
|
|
}
|
|||
|
|
}
|
|||
|
|
}
|
|||
|
|
|
|||
|
|
return result;
|
|||
|
|
}
|
|||
|
|
```
|
|||
|
|
### Параллельный алгоритм
|
|||
|
|
```
|
|||
|
|
public static int[][] multiplyMatricesParallel(int[][] matrix1, int[][] matrix2) {
|
|||
|
|
int rows1 = matrix1.length;
|
|||
|
|
int columns1 = matrix1[0].length;
|
|||
|
|
int columns2 = matrix2[0].length;
|
|||
|
|
|
|||
|
|
int[][] result = new int[rows1][columns2];
|
|||
|
|
|
|||
|
|
int numberOfThreads = 5; // Количество потоков
|
|||
|
|
ExecutorService executor = Executors.newFixedThreadPool(numberOfThreads);
|
|||
|
|
|
|||
|
|
for (int i = 0; i < rows1; i++) {
|
|||
|
|
final int row = i;
|
|||
|
|
executor.execute(new Runnable() {
|
|||
|
|
@Override
|
|||
|
|
public void run() {
|
|||
|
|
for (int j = 0; j < columns2; j++) {
|
|||
|
|
for (int k = 0; k < columns1; k++) {
|
|||
|
|
result[row][j] += matrix1[row][k] * matrix2[k][j];
|
|||
|
|
}
|
|||
|
|
}
|
|||
|
|
}
|
|||
|
|
});
|
|||
|
|
}
|
|||
|
|
|
|||
|
|
executor.shutdown();
|
|||
|
|
while (!executor.isTerminated()) {
|
|||
|
|
// Ожидаем завершения всех потоков
|
|||
|
|
}
|
|||
|
|
|
|||
|
|
return result;
|
|||
|
|
}
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
## Результат
|
|||
|
|
|
|||
|
|
Была проверка времени выполнения алгоритма для матриц размером 100х100, 300х300, 500х500 с разным количеством потоков.
|
|||
|
|
|
|||
|
|
100х100, 1 поток
|
|||
|
|
|
|||
|
|
100х100, 5 потоков
|
|||
|
|
|
|||
|
|
300х300, 1 поток
|
|||
|
|
|
|||
|
|
300х300, 5 потоков
|
|||
|
|
|
|||
|
|
500х500, 1 поток
|
|||
|
|
|
|||
|
|
500х500, 5 потоков
|
|||
|
|
|
|||
|
|
|
|||
|
|
Из данных скриншотов видно, что в случае с матрицей 100х100 последовательный алгоритм работает лучше, чем параллельный.
|
|||
|
|
|
|||
|
|
Для остальных матриц параллельный алгоритм работает лучше, а также увеличение кол-ва потоков уменьшает время выполнения алгоритма. (хотя в случае матрицы 100х100 - сильно увеличивает)
|
|||
|
|
|
|||
|
|
Работоспособность показана в видео: [lab5.mp4](lab5.mp4)
|