import numpy as np
import time
from concurrent.futures import ThreadPoolExecutor

def sequential_matrix_determinant(matrix):
    """Выполняет последовательное вычисление детерминанта матрицы."""
    return np.linalg.det(matrix)

def parallel_matrix_determinant(matrix, num_threads=1):
    """
    Выполняет параллельное вычисление детерминанта матрицы с использованием заданного количества потоков.
    Каждый поток обрабатывает свою часть вычислений.
    """
    rows, cols = matrix.shape
    chunk_size = rows // num_threads

    determinants = []

    def calculate_determinant(start_row, end_row):
        """Вычисление детерминанта для части матрицы."""
        nonlocal determinants
        submatrix = matrix[start_row:end_row, :]
        # Убедимся, что submatrix является квадратной
        submatrix_size = min(submatrix.shape)
        determinant = np.linalg.det(submatrix[:submatrix_size, :submatrix_size])
        determinants.append(determinant)

    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(calculate_determinant, i, end_row))

        for future in futures:
            future.result()

    return determinants

def benchmark(matrix_size, num_threads=1):
    """
    Измеряет время выполнения последовательного и параллельного вычисления детерминанта матриц
    заданного размера с использованием заданного количества потоков.
    """
    matrix = np.random.randint(0, 10, size=(matrix_size, matrix_size))

    # Замер времени для последовательного алгоритма
    start_time = time.time()
    sequential_result = sequential_matrix_determinant(matrix)
    sequential_time = time.time() - start_time

    # Замер времени для параллельного алгоритма
    start_time = time.time()
    parallel_result = parallel_matrix_determinant(matrix, num_threads)
    parallel_time = time.time() - start_time

    return sequential_time, parallel_time

if __name__ == "__main__":
    matrix_sizes = [100, 300, 500]  # Для демонстрации используем небольшие матрицы
    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)