add a new parallelization method

code/richardson_mpi.py

@@ -0,0 +1,147 @@
+from mpi4py import MPI
+import numpy as np
+import time
+
+def richardson_parallel(A, b, lambda_min, lambda_max, tol=1e-5, max_iter=10000):
+    comm = MPI.COMM_WORLD
+    rank = comm.Get_rank()
+    size = comm.Get_size()
+
+    # Rozmiar macierzy A
+    n = A.shape[0]
+
+    # Obliczanie wartości własnych tylko na jednym procesie
+    if rank == 0:
+        # eigenvalues = np.linalg.eigvals(A)
+        # lambda_min = np.min(eigenvalues)
+        # lambda_max = np.max(eigenvalues)
+        omega = 2 / (lambda_min + lambda_max)
+    else:
+        omega = None
+
+    # Rozgłoszenie omega do wszystkich procesów
+    omega = comm.bcast(omega, root=0)
+
+    # Inicjalizacja wektora rozwiązania jako float64
+    x = np.zeros_like(b, dtype=np.float64)
+
+    # Dzielimy pracę między procesy
+    local_rows = n // size
+    start_row = rank * local_rows
+    end_row = start_row + local_rows if rank != size - 1 else n
+
+    # Przydzielenie lokalnych porcji A i b
+    local_A = A[start_row:end_row, :]
+    local_b = b[start_row:end_row]
+
+    # Lokalny wektor residuum
+    local_r = np.zeros_like(local_b, dtype=np.float64)
+
+    # Globalny wektor residuum (pełny rozmiar b)
+    global_r = np.zeros_like(b, dtype=np.float64)
+
+    start_time = time.time()
+
+    for i in range(max_iter):
+        # Oblicz lokalny residuum r = b - A @ x
+        local_r[:] = local_b - np.dot(local_A, x)
+
+        # Tworzymy tymczasowy wektor o pełnym rozmiarze i kopiujemy lokalne dane
+        temp_r = np.zeros_like(b, dtype=np.float64)
+        temp_r[start_row:end_row] = local_r
+
+        # Sumujemy lokalne residuum przez wszystkie procesy
+        comm.Allreduce(temp_r, global_r, op=MPI.SUM)
+
+        # Aktualizujemy x równolegle na wszystkich procesach
+        x += omega * global_r
+
+        # Sprawdzamy warunek stopu (norma residuum)
+        if np.linalg.norm(global_r) < tol:
+            break
+
+    end_time = time.time()
+
+    execution_time = end_time - start_time
+
+    return x, execution_time
+
+
+
+def check_solution(A, b, x_approx, tolerance=8e-3):
+    x_true = np.linalg.solve(A, b)
+    error = np.linalg.norm(x_true - x_approx)
+    return error < tolerance, error
+
+if __name__ == "__main__":
+    comm = MPI.COMM_WORLD
+    rank = comm.Get_rank()
+
+    from matrix_generator import MatrixGenerator
+    sizes = [2, 5, 10, 50, 80, 100, 300, 500, 750, 1000, 5000, 10000]
+    for i in sizes:
+        if rank == 0:
+            A, b, lambda_min, lambda_max = MatrixGenerator.generate_matrix_and_vector('spd', size=i)
+        else:
+            A = None
+            b = None
+            lambda_min = None
+            lambda_max = None
+
+        A = comm.bcast(A, root=0)
+        b = comm.bcast(b, root=0)
+
+        # Rozwiązanie przy użyciu zrównoleglonej metody Richardsona
+        x, time_taken = richardson_parallel(A, b, lambda_min, lambda_max)
+
+        # Sprawdzanie poprawności rozwiązania (na procesie 0)
+        if rank == 0:
+            print(f"Spd matrix with size {i}")
+            is_correct, error = check_solution(A, b, x)
+            print("Czas wykonania [s]:", time_taken)
+            print("Czy rozwiązanie jest poprawne:", "Tak" if is_correct else "Nie")
+            print("Błąd rozwiązania:", error)
+
+    if rank == 0:
+        A, b, lambda_min, lambda_max = MatrixGenerator.generate_matrix_and_vector('nemeth12')
+    else:
+        A = None
+        b = None
+        lambda_min = None
+        lambda_max = None
+
+    A = comm.bcast(A, root=0)
+    b = comm.bcast(b, root=0)
+
+    # Rozwiązanie przy użyciu zrównoleglonej metody Richardsona
+    x, time_taken = richardson_parallel(A, b, lambda_min, lambda_max)
+
+    # Sprawdzanie poprawności rozwiązania (na procesie 0)
+    if rank == 0:
+        print(f"Nemeth12 matrix")
+        is_correct, error = check_solution(A, b, x)
+        print("Czas wykonania [s]:", time_taken)
+        print("Czy rozwiązanie jest poprawne:", "Tak" if is_correct else "Nie")
+        print("Błąd rozwiązania:", error)
+
+    if rank == 0:
+        A, b, lambda_min, lambda_max = MatrixGenerator.generate_matrix_and_vector('poli3')
+    else:
+        A = None
+        b = None
+        lambda_min = None
+        lambda_max = None
+
+    A = comm.bcast(A, root=0)
+    b = comm.bcast(b, root=0)
+
+    # Rozwiązanie przy użyciu zrównoleglonej metody Richardsona
+    x, time_taken = richardson_parallel(A, b, lambda_min, lambda_max)
+
+    # Sprawdzanie poprawności rozwiązania (na procesie 0)
+    if rank == 0:
+        print(f"Poli3 matrix")
+        is_correct, error = check_solution(A, b, x)
+        print("Czas wykonania [s]:", time_taken)
+        print("Czy rozwiązanie jest poprawne:", "Tak" if is_correct else "Nie")
+        print("Błąd rozwiązania:", error)