sergeev_evgenii_lab_6/README.md

@@ -0,0 +1,32 @@
+# Лабораторная работа №6 - Определение детерминанта матрицы с помощью параллельных вычислений
+
+Задание:
+
+Кратко: реализовать нахождение детерминанта квадратной матрицы.
+
+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 нахождение отдельной группы 
+множителей
+
+Сделать несколько бенчмарков последовательного и параллельного алгоритма поиска детерминанта матрицы размером
+100x100, 300x300, 500x500 элементов. Отразить свои наблюдения в readme-отчете.
+
+Код:
+![Alt text](images/img.png)
+
+Код:
+![Alt text](images/img_1.png)
+
+Код:
+![Alt text](images/img_2.png)
+
+Вывод:
+
+С увеличением количества потоков параллельный способ работает быстрее. При меньшем количестве потоков обычный способ
+обрабатывает задачу эффективнее
+
+# Видео
+
+Видео с разбором лабораторной:
+https://youtu.be/ty9KQNjDrWM

sergeev_evgenii_lab_6/matrix.py

@@ -0,0 +1,58 @@
+import numpy as np
+import time
+from concurrent.futures import ThreadPoolExecutor
+
+
+def sequential_determinant(matrix):
+    return np.linalg.det(matrix)
+
+
+def parallel_determinant(matrix, num_threads):
+    determinant = 1.0
+    n = len(matrix)
+
+    def calculate_partial_determinant(start, end):
+        nonlocal determinant
+        for i in range(start, end):
+            determinant *= matrix[i, i]
+
+    with ThreadPoolExecutor(max_workers=num_threads) as executor:
+        chunk_size = n // num_threads
+        futures = []
+
+        for i in range(0, n, chunk_size):
+            start = i
+            end = min(i + chunk_size, n)
+            futures.append(executor.submit(calculate_partial_determinant, start, end))
+
+        # Wait for all threads to finish
+        for future in futures:
+            future.result()
+
+    return determinant
+
+
+def benchmark(matrix_size, num_threads=1):
+    matrix = np.random.rand(matrix_size, matrix_size)
+
+    start_time = time.time()
+    sequential_result = sequential_determinant(matrix)
+    sequential_time = time.time() - start_time
+
+    start_time = time.time()
+    parallel_result = parallel_determinant(matrix, 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]
+num_threads = 1   # Указать желаемое количество потоков
+
+for size in matrix_sizes:
+    sequential_time, parallel_time = benchmark(size, num_threads)
+    print(f"Размер матрицы: {size}x{size}")
+    print(f"Время с последовательным выполнением: {sequential_time:.6f} секунд")
+    print(f"Время с параллельной обработкой ({num_threads} потоков): {parallel_time:.6f} секунд")
+    print("=" * 30)