DAS_2024_1/agliullov_daniyar_lab_6
2024-12-30 21:35:39 +04:00
..
Screenshots agliullov_daniyar_lab_6 2024-11-13 19:59:58 +04:00
main.py agliullov_daniyar_lab_6 is ready 2024-12-30 21:35:39 +04:00
readme.md agliullov_daniyar_lab_6 is ready 2024-12-30 21:35:39 +04:00

Аглиуллов Данияр ИСЭбд-41

Лабораторная работа №6

Для повышения производительности при вычислении детерминанта для больших матриц была добавлена возможность параллельной обработки с использованием библиотеки multiprocessing. Это позволило значительно ускорить вычисления за счет распределения нагрузки между несколькими процессами.

Результаты тестов: изображение 1

Сравнение производительности:

В тестах на матрицах размером 100x100, 300x300 и 500x500 было замечено, что параллельный алгоритм демонстрирует значительное сокращение времени выполнения по сравнению с обычным алгоритмом, особенно на больших матрицах. Это подтверждает эффективность использования многопоточности для задач, требующих больших вычислительных ресурсов.

На малых размерах матриц (например, 100x100) преимущество было за последовательным умножением матрицы из-за накладных расходов на создание пула потоков. Однако при увеличении размера матрицы (300x300 и 500x500) преимущества параллельного подхода становились более очевидными. • При превышении количества физических потоков процессора, производительность понижается за счет смены контекста при переключении виртуальных потоков на одном ядре

Видео