# Лабораторная работа №2 #### ПИбд-42. Мочалов Данила. #### Выполнение Были реализованы два алгоритма для перемножения матриц: обычный и паралелльный. Параллельный алгоритм использует multiprocessing.Pool для разделения вычислений между несколькими процессами. #### Результаты бенчмарков: Были проведены тесты для матриц размером 100x100, 300x300 и 500x500 элементов с разным количеством процессов (1, 5, 10). Результаты представлены в таблице: | Размер матрицы | Алгоритм | Кол-во процессов |Время (сек.)| |----------------|------------|------------------|------------| | 100x100 |Обычный |- |0.21 | | 100x100 |Параллельный|1 |0.59 | | 100x100 |Параллельный|5 |0.34 | | 100x100 |Параллельный|10 |0.32 | | 300x300 |Обычный |- |6.59 | | 300x300 |Параллельный|1 |7.03 | | 300x300 |Параллельный|5 |2.00 | | 300x300 |Параллельный|10 |1.54 | | 500x500 |Обычный |- |29.81 | | 500x500 |Параллельный|1 |33.83 | | 500x500 |Параллельный|5 |8.57 | | 500x500 |Параллельный|10 |5.67 | --------------------------------------------------------------- #### Анализ - Для маленьких матриц (100x100) параллельный алгоритм с одним процессом работает медленнее последовательного. Это связано с накладными расходами на создание и управление процессом, которые превышают выигрыш от параллелизма. - С увеличением размера матрицы эффективность параллельного алгоритма возрастает. Для матриц 300x300 и 500x500 наблюдается значительное ускорение по сравнению с последовательным алгоритмом. - Количество процессов, обеспечивающее максимальное ускорение, зависит от размера матрицы и аппаратных возможностей системы. В данном случае, для матрицы 300x300 использование 10 процессов дает лучший результат, а для 500x500 - тоже 10. Дальнейшее увеличение количества процессов может привести к снижению производительности из-за увеличения накладных расходов на межпроцессное взаимодействие. #### Демонстрация [Доступна по ссылке](https://drive.google.com/file/d/1GxPw9syJVnxb65zP6uQVNYyLjZ-HrfOo/view?usp=sharing)