degtyarev_mikhail_lab_6 is ready

degtyarev_mikhail_lab_6/README.md

@@ -0,0 +1,47 @@
+# Лабораторная 6
+## Вариант 9
+
+## Задание
+Кратко: реализовать нахождение детерминанта квадратной матрицы.
+
+Подробно: в лабораторной работе требуется сделать два алгоритма: обычный и параллельный. В параллельном алгоритме предусмотреть ручное задание количества потоков, каждый из которых будет выполнять нахождение отдельной группы множителей.
+
+## Описание Программы
+
+### Алгоритмы:
+
+**Базовый алгоритм**
+
+Он работает, с помощью уже встроенной функции из библиотеки numpy
+
+```
+def determinant_block(matrix_block):
+    return np.linalg.det(matrix_block)
+```
+
+**Параллельный алгоритм**
+
+```
+def determinant_parallel(matrix, num_processes):
+    size = matrix.shape[0]
+    step = size // num_processes
+
+    pool = Pool(processes=num_processes)
+    blocks = []
+    for i in range(0, size, step):
+        blocks.append(matrix[i:i + step, i:i + step])
+
+    dets = pool.map(determinant_block, blocks)
+    return np.product(dets)
+```
+
+## Результат
+
+Был проведен замер времени работы алгоритмов для каждого типа матрицы: 100x100, 300x300, 500x500 с разным количеством процессов
+
+![](img.png)
+
+Из скриншота выше видно, что для каждого типа матрицы оказалось быстрее выполнение последовательно, причем гораздо.
+
+
+Ссылка на видео: https://vk.com/video151119348_456239203?list=ln-GQ61rRxQRWzAoVg2SZ

degtyarev_mikhail_lab_6/main.py

@@ -0,0 +1,40 @@
+import numpy as np
+from multiprocessing import Pool
+import time
+
+
+def determinant_block(matrix_block):
+    return np.linalg.det(matrix_block)
+
+
+def determinant_parallel(matrix, num_processes):
+    size = matrix.shape[0]
+    step = size // num_processes
+
+    pool = Pool(processes=num_processes)
+    blocks = []
+    for i in range(0, size, step):
+        blocks.append(matrix[i:i + step, i:i + step])
+
+    dets = pool.map(determinant_block, blocks)
+    return np.product(dets)
+
+
+if __name__ == "__main__":
+    sizes = [100, 300, 500]
+    processes = [2, 4, 8]
+
+    for size in sizes:
+        matrix = np.random.rand(size, size)
+
+        for p in processes:
+            start = time.time()
+            det = determinant_parallel(matrix, p)
+            end = time.time()
+            print(f"{size}x{size} матрица с {p} процессами заняла {end - start:.5f} сек")
+
+        start = time.time()
+        det_seq = determinant_block(matrix)
+        end = time.time()
+        print(f"{size}x{size} матрица умноженная последовательно заняла {end - start:.5f} сек")
+        print("-------------------------------")