sergeev_evgenii_lab_5/README.md

@@ -0,0 +1,36 @@
+# 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
+
+Код:
+![Alt text](images/img.png)
+
+Код:
+![Alt text](images/img_1.png)
+
+Код:
+![Alt text](images/img_2.png)
+
+Вывод программы:
+![Alt text](images/img_3.png)
+
+Заключение
+
+Сделать несколько бенчмарков последовательного и параллельного алгоритма на умножение двух матриц размером 100x100,
+300x300, 500x500 элементов.
+
+
+Вывод: Параллельный алгоритм работает намного быстрее, так как вычисления происходят в различных потоках в одно и то же 
+время. Его следует использовать, если в матрице присутствуют огромные числа или сама матрица большой размерности
+
+# Видео
+
+Видео с разбором лабораторной работы:
+https://youtu.be/dcVWNjDzG8M

sergeev_evgenii_lab_5/matrix.py

@@ -0,0 +1,48 @@
+import numpy as np
+import time
+from concurrent.futures import ThreadPoolExecutor
+
+
+def sequential_matrix_multiply(matrix_a, matrix_b):
+    return np.dot(matrix_a, matrix_b)
+
+
+def parallel_matrix_multiply(matrix_a, matrix_b, num_threads):
+    result = np.zeros_like(matrix_a)
+    rows, cols = matrix_a.shape
+
+    def multiply_row(row):
+        nonlocal matrix_a, matrix_b, result
+        result[row, :] = np.dot(matrix_a[row, :], matrix_b)
+
+    with ThreadPoolExecutor(max_workers=num_threads) as executor:
+        executor.map(multiply_row, range(rows))
+
+    return result
+
+
+def benchmark(matrix_size, num_threads=1):
+    matrix_a = np.random.rand(matrix_size, matrix_size)
+    matrix_b = np.random.rand(matrix_size, matrix_size)
+
+    start_time = time.time()
+    sequential_result = sequential_matrix_multiply(matrix_a, matrix_b)
+    sequential_time = time.time() - start_time
+
+    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
+
+
+# Пример использования для матриц размером 100x100, 300x300, 500x500 элементов
+matrix_sizes = [100, 300, 500]
+threads_count = 4  # Указать желаемое количество потоков
+
+for size in matrix_sizes:
+    sequential_time, parallel_time = benchmark(size, threads_count)
+    print(f"Размер матрицы: {size}x{size}")
+    print(f"Время с последовательным выполнением: {sequential_time:.6f} секунд")
+    print(f"Время с параллельной обработкой ({threads_count} потоков): {parallel_time:.6f} секунд")
+    print("=" * 30)