bogdanov_dmitry_lab_6/MatrixDet/main.py

@@ -0,0 +1,103 @@
+import random as rnd
+import threading
+import time
+import concurrent.futures
+from copy import deepcopy
+
+def generateSquareMatrix(size):
+    return [[rnd.randint(0, 100) for i in range(size)] for j in range(size)]
+
+def printMatrix(matrix):
+    for row in matrix:
+        print(*row, sep="\t")
+
+testmatrix = generateSquareMatrix(500)
+
+def process_row(args):
+    i, j, m, n = args
+
+    factor = m[j][i] / m[i][i]
+
+    for k in range(i, n):
+        m[j][k] -= factor * m[i][k]
+
+    return m[j]
+
+
+def parallel_det(matrix, threadss):
+    n = len(matrix)
+
+    m = deepcopy(matrix)
+
+    det_value = 1
+
+    def process_row(i, j):
+        factor = m[j][i] / m[i][i]
+        for k in range(i, n):
+            m[j][k] -= factor * m[i][k]
+
+    for i in range(n):
+        if m[i][i] == 0:
+            for j in range(i + 1, n):
+                if m[j][i] != 0:
+                    m[i], m[j] = m[j], m[i]
+
+                    det_value *= -1
+
+                    break
+            else:
+                return 0
+
+        with concurrent.futures.ThreadPoolExecutor(max_workers=threadss) as executor:
+            futures = [
+                executor.submit(process_row, i, j) for j in range(i + 1, n)
+            ]
+            concurrent.futures.wait(futures)
+
+        det_value *= m[i][i]
+
+    return det_value
+
+
+def det(matrix):
+    n = len(matrix)
+    m = [row[:] for row in matrix]
+    det_value = 1
+
+    for i in range(n):
+        if m[i][i] == 0:
+            for j in range(i + 1, n):
+                if m[j][i] != 0:
+                    m[i], m[j] = m[j], m[i]
+
+                    det_value *= -1
+
+                    break
+            else:
+                return 0
+
+        for j in range(i + 1, n):
+            factor = m[j][i] / m[i][i]
+
+            for k in range(i, n):
+                m[j][k] -= factor * m[i][k]
+
+        det_value *= m[i][i]
+
+    return det_value
+
+
+if __name__ == "__main__":
+
+    sizes = [100, 300, 500]
+    num_threads = [1, 5, 8, 12]
+
+    for size in sizes:
+        matrix1 = generateSquareMatrix(size)
+        for threads in num_threads:
+            start_time = time.time()
+            parallel_det(matrix1, threads)
+            end_time = time.time()
+            print(f"Parallel size {size}, {threads} thread(s): {end_time - start_time}s")
+
+        print("-" * 100)

bogdanov_dmitry_lab_6/README.md

@@ -0,0 +1,18 @@
+# Богданов Дмитрий ПИбд-42
+# Лабораторная работа №6
+
+
+## Функционал:
+ - Были созданы методы генерации и отображения матриц заданного размера
+ - Былы созданы методы для параллельного вычисления детерминанта с использованием concurrent.futures
+ - Был написан код для бенчмаркинга стандартного и параллельного вычислений (стандартное вычисление - вычисление в одном единственном потоке)
+
+## Результаты выполнения:
+
+![изображение 1](./images/1.png)
+
+### Вывод:
+Подобно прошлой лабораторной, параллельное вычисление определителя может принести выигрыш только на очень больших матрицах, в то время как на остальных больше времени тратится на управление потоками.
+
+
+## [Видео](https://drive.google.com/file/d/1T2xtHROQ34iXZTG_ue6ahV5G-e9GzuaD/view?usp=sharing)