savenkov_alexander_lab_5/.idea/.gitignore

@@ -0,0 +1,3 @@
+# Default ignored files
+/shelf/
+/workspace.xml

savenkov_alexander_lab_5/.idea/discord.xml

@@ -0,0 +1,7 @@
+<?xml version="1.0" encoding="UTF-8"?>
+<project version="4">
+  <component name="DiscordProjectSettings">
+    <option name="show" value="ASK" />
+    <option name="description" value="" />
+  </component>
+</project>

savenkov_alexander_lab_5/.idea/inspectionProfiles/profiles_settings.xml

@@ -0,0 +1,6 @@
+<component name="InspectionProjectProfileManager">
+  <settings>
+    <option name="USE_PROJECT_PROFILE" value="false" />
+    <version value="1.0" />
+  </settings>
+</component>

savenkov_alexander_lab_5/.idea/misc.xml

@@ -0,0 +1,4 @@
+<?xml version="1.0" encoding="UTF-8"?>
+<project version="4">
+  <component name="ProjectRootManager" version="2" project-jdk-name="Python 3.11 (savenkov_alexander_lab_5) (2)" project-jdk-type="Python SDK" />
+</project>

savenkov_alexander_lab_5/.idea/modules.xml

@@ -0,0 +1,8 @@
+<?xml version="1.0" encoding="UTF-8"?>
+<project version="4">
+  <component name="ProjectModuleManager">
+    <modules>
+      <module fileurl="file://$PROJECT_DIR$/.idea/savenkov_alexander_lab_5.iml" filepath="$PROJECT_DIR$/.idea/savenkov_alexander_lab_5.iml" />
+    </modules>
+  </component>
+</project>

savenkov_alexander_lab_5/.idea/savenkov_alexander_lab_5.iml

@@ -0,0 +1,10 @@
+<?xml version="1.0" encoding="UTF-8"?>
+<module type="PYTHON_MODULE" version="4">
+  <component name="NewModuleRootManager">
+    <content url="file://$MODULE_DIR$">
+      <excludeFolder url="file://$MODULE_DIR$/venv" />
+    </content>
+    <orderEntry type="inheritedJdk" />
+    <orderEntry type="sourceFolder" forTests="false" />
+  </component>
+</module>

savenkov_alexander_lab_5/README.md

@@ -0,0 +1,32 @@
+# Лабораторная работа №5 - Вспоминаем математику или параллельное перемножение матриц
+
+Задание:
+
+Кратко: реализовать умножение двух больших квадратных матриц.
+
+Подробно: в лабораторной работе требуется сделать два алгоритма: обычный и параллельный (задание со * - реализовать это в рамках одного алгоритма). В параллельном алгоритме предусмотреть ручное задание количества потоков (число потоков = 1 как раз и реализует задание со *), каждый из которых будет выполнять умножение элементов матрицы в рамках своей зоны ответственности.
+
+Сделать несколько бенчмарков последовательного и параллельного алгоритма на умножение двух матриц размером 100x100, 300x300, 500x500 элементов.
+
+<p>
+    <div>Код</div>
+    <img src="screens/img1.png" width="650" title="Код">
+</p>
+<p>
+    <div>Код</div>
+    <img src="screens/img2.png" width="650" title="Код">
+</p>
+<p>
+    <div>Код</div>
+    <img src="screens/img3.png" width="650" title="Код">
+</p>
+<p>
+    <div>Работа программы</div>
+    <img src="screens/img4.png" width="650" title="Работа программы">
+</p>
+
+Вывод: Параллельный алгоритм намного бысрее и имеет место быть если либо в матрице используются огромные числа или сама матрица намного большей размерностью
+
+# Видео
+
+Видео с разбором лабораторной работы - https://youtu.be/XfRcCUa_QMU

savenkov_alexander_lab_5/app.py

@@ -0,0 +1,66 @@
+import numpy as np
+import time
+from concurrent.futures import ThreadPoolExecutor
+
+def sequential_matrix_multiply(matrix_a, matrix_b):
+    """Выполняет последовательное умножение матриц."""
+    return np.dot(matrix_a, matrix_b)
+
+def parallel_matrix_multiply(matrix_a, matrix_b, num_threads=1):
+    """
+    Выполняет параллельное умножение матриц с использованием заданного количества потоков.
+    Каждый поток обрабатывает свою часть строк матрицы A.
+    """
+    result = np.zeros_like(matrix_a)
+    rows, cols = matrix_a.shape
+    chunk_size = rows // num_threads
+
+    def multiply_chunk(start_row, end_row):
+        """Умножение части матрицы A на матрицу B."""
+        nonlocal result
+        for i in range(start_row, end_row):
+            result[i] = np.dot(matrix_a[i], matrix_b)
+
+    with ThreadPoolExecutor(max_workers=num_threads) as executor:
+        futures = []
+        for i in range(0, rows, chunk_size):
+            end_row = min(i + chunk_size, rows)
+            futures.append(executor.submit(multiply_chunk, i, end_row))
+
+        for future in futures:
+            future.result()
+
+    return result
+
+def benchmark(matrix_size, num_threads=1):
+    """
+    Измеряет время выполнения последовательного и параллельного умножения матриц
+    заданного размера с использованием заданного количества потоков.
+    """
+    matrix_a = np.random.randint(0, 10, size=(matrix_size, matrix_size))
+    matrix_b = np.random.randint(0, 10, size=(matrix_size, matrix_size))
+
+    # Замер времени для последовательного алгоритма
+    start_time = time.time()
+    sequential_result = sequential_matrix_multiply(matrix_a, matrix_b)
+    sequential_time = time.time() - start_time
+
+    # Замер времени для параллельного алгоритма
+    start_time = time.time()
+    parallel_result = parallel_matrix_multiply(matrix_a, matrix_b, num_threads)
+    parallel_time = time.time() - start_time
+
+    return sequential_time, parallel_time
+
+if __name__ == "__main__":
+    matrix_sizes = [100, 300, 500]
+    num_threads = int(input("Введите количество потоков: "))
+
+    for size in matrix_sizes:
+        print(f"Matrix size: {size}x{size}")
+        sequential_time, parallel_time = benchmark(size, num_threads)
+
+        print(f"Sequential algorithm time: {sequential_time:.6f} seconds")
+        print(f"Parallel algorithm time ({num_threads} threads): {parallel_time:.6f} seconds")
+
+        print("="*30)