# Пупков Алексей ИСЭбд-41
# Отчет по умножению матриц
## Описание

В данной лабораторной работе реализованы два алгоритма для умножения больших квадратных матриц: последовательный и параллельный. Для параллельного вычисления используется библиотека concurrent.futures в Python. Программа позволяет задавать количество процессов, что позволяет наблюдать за изменением производительности при увеличении числа потоков.

## Как работает код:

1. Импорт библиотек
- concurrent.futures помогает запускать параллельные задачи с использованием потоков
- time используется для измерения времени выполнения алгоритмов
- numpy используется для работы с матрицами и для вычислений
- argparse для обработки аргументов командной строки

2. Функция matrix_multiply_sequential(A, B)
- Выполняет последовательное умножение двух матриц A и B.

3. Функция worker(A, B, C, start_row, end_row)
- Выполняет умножение для части строк матрицы, параметры start_row и end_row определяют диапазон строк, которые нужно вычислить

4. Функция matrix_multiply_parallel(A, B, num_threads)
- Реализует параллельное умножение матриц

5. Функция benchmark(matrix_sizes, num_threads_list)

- Выполняет бенчмаркинг (измерение времени выполнения) для обоих методов умножения

## Результаты

Размер матриц: 100x100
Последовательное умножение заняло: 0.0558 секунд

Параллельное умножение с 2 потоками заняло: 0.0886 секунд

Параллельное умножение с 4 потоками заняло: 0.0876 секунд

Параллельное умножение с 8 потоками заняло: 0.0868 секунд

Параллельное умножение с 16 потоками заняло: 0.0914 секунд

Размер матриц: 300x300
Последовательное умножение заняло: 1.6149 секунд

Параллельное умножение с 2 потоками заняло: 2.4936 секунд

Параллельное умножение с 4 потоками заняло: 2.4383 секунд

Параллельное умножение с 8 потоками заняло: 2.4458 секунд

Параллельное умножение с 16 потоками заняло: 2.4899 секунд

Размер матриц: 500x500
Последовательное умножение заняло: 7.9416 секунд

Параллельное умножение с 2 потоками заняло: 11.8896 секунд

Параллельное умножение с 4 потоками заняло: 11.8901 секунд

Параллельное умножение с 8 потоками заняло: 12.0230 секунд

Параллельное умножение с 16 потоками заняло: 11.8548 секунд


## Выводы
Во всех случаях параллельный алгоритм выполняется дольше, чем последовательный. На рассматриваемых матрицах (100x100, 300x300, 500x500) последовательное умножение оказывается более выгодным. Это связано с тем, что накладные расходы на параллельное исполнение и синхронизацию между потоками превышают время, которое можно сэкономить за счёт многопоточности.

## Запуск 
Python main.py – threads 2 4 8 16

[Ссылка на демонстрацию работы программы](https://vk.com/video547368103_456239605?list=ln-ZAsjrYkuwZp6I4ghXC)