Merge pull request 'klyushenkova_ksenia_lab_6 is ready' (#382) from klyushenkova_ksenia_lab_6 into main

Reviewed-on: #382

klyushenkova_ksenia_lab_6/REDME.md

@@ -0,0 +1,17 @@
+# Клюшенкова Ксения ПИбд-42
+# Лабораторная работа №6 - Определение детерминанта матрицы
+
+
+## Результат:
+![results](./res.jpg)
+
+## Выводы:
+
+1. Применение многопоточности позволяет ускорить вычисление определителя для матриц большого размера.
+2. В ходе эксперимента было установлено, что для матрицы размером 10 на 10 при использовании одного потока время выполнения составляет 31 секунду. Однако при использовании 10 потоков время выполнения сокращается до 5 секунд.
+3. Однако при работе с матрицами небольшого размера использование многопоточности может привести к снижению производительности.
+4. Для матрицы размером 8 на 8 использование 10 потоков оказывается менее эффективным, чем использование 4 или 8 потоков. Это связано с дополнительными затратами на создание и управление потоками, которые становятся значительными при небольших объёмах вычислений.
+5. Использование многопоточности позволяет значительно сократить время выполнения для матриц большого размера. Однако для достижения наилучших результатов необходимо выбрать оптимальное количество потоков в зависимости от размера задачи, чтобы избежать дополнительных затрат.
+
+
+## [Видео](https://drive.google.com/file/d/1bdc3WzkHtTI3p-Yk2w3OP3ldMP8WwjZ8/view?usp=sharing)

klyushenkova_ksenia_lab_6/main-1.py

@@ -0,0 +1,64 @@
+import numpy as np
+from time import time
+import multiprocessing
+
+
+def task(matrix, start_j, stop_j, queue):
+    size = len(matrix[0])
+    if size == 2:  # Базовый случай: определитель 2x2
+        det = matrix[0][0] * matrix[1][1] - matrix[1][0] * matrix[0][1]
+        if queue is not None:
+            queue.put(det)
+        return det
+    else:
+        res = 0
+        for j in range(start_j, stop_j):
+            # Удаляем строку и столбец с помощью срезов (более эффективно)
+            tmp = matrix[1:, :j]
+            tmp = np.hstack((tmp, matrix[1:, j + 1:]))
+
+            a = matrix[0][j]
+            b = task(tmp, 0, len(tmp[0]), None)
+
+            if j % 2 == 0:
+                res += a * b
+            else:
+                res += a * b * (-1)
+
+        if queue is not None:
+            queue.put(res)
+        return res
+
+
+if __name__ == '__main__':
+    sizes = [5, 6, 7, 8, 9, 10]
+    threads_counts = [1, 4, 6, 8, 10]
+
+    for threads in threads_counts:
+        print(f'Количество потоков: {threads}')
+        for size in sizes:
+            matrix = np.random.randint(10, size=(size, size))
+
+            offset = int(size / threads)
+            offset_last = size % threads + offset
+
+            processes = []
+            queue = multiprocessing.Queue()
+            start = time()
+            for i in range(threads):
+                start_ = i * offset
+                stop_ = start_ + offset_last if i == threads - 1 else start_ + offset
+
+                process = multiprocessing.Process(target=task, args=(matrix, start_, stop_, queue))
+                processes.append(process)
+                process.start()
+
+            total_result = 0
+            for p in processes:
+                p.join()
+                total_result += queue.get()
+
+            stop = time()
+            print(f'Размер: {size}x{size}, время выполнения: {stop - start} сек')
+
+        print()