Determinante della matrice di calcolo

Question

Sto cercando di calcolare il determinante di una matrice (di qualsiasi dimensione), per la pratica di codifica/intervista. Il mio primo tentativo sta usando la ricorsione e che mi porta alla seguente applicazione:

import java.util.Scanner.*; 
public class Determinant { 

    double A[][]; 
    double m[][]; 
    int N; 
     int start; 
     int last; 

     public Determinant (double A[][], int N, int start, int last){ 
      this.A = A; 
      this.N = N; 
      this.start = start; 
      this.last = last; 
     } 

     public double[][] generateSubArray (double A[][], int N, int j1){ 
      m = new double[N-1][]; 
      for (int k=0; k<(N-1); k++) 
        m[k] = new double[N-1]; 

      for (int i=1; i<N; i++) 
      { 
        int j2=0; 
        for (int j=0; j<N; j++) 
        { 
         if(j == j1) 
           continue; 
         m[i-1][j2] = A[i][j]; 
         j2++; 
        } 
      } 
      return m; 
     } 
    /* 
    * Calculate determinant recursively 
    */ 
    public double determinant(double A[][], int N) 
    { 
     double res; 

     // Trivial 1x1 matrix 
     if (N == 1) 
      res = A[0][0]; 
     // Trivial 2x2 matrix 
     else if (N == 2) 
      res = A[0][0]*A[1][1] - A[1][0]*A[0][1]; 
     // NxN matrix 
     else 
     { 
      res=0; 
      for (int j1=0; j1<N; j1++) 
      { 
          m = generateSubArray (A, N, j1); 
          res += Math.pow(-1.0, 1.0+j1+1.0) * A[0][j1] * determinant(m, N-1); 
      } 
     } 
     return res; 
    } 
} 

Finora è tutto buono e mi dà un risultato corretto. Ora vorrei ottimizzare il mio codice facendo uso di più thread per calcolare questo valore determinante. Ho provato a farlo parallelizzare usando il modello Java Fork/Join. Questo è il mio approccio:

@Override 
     protected Double compute() { 
      if (N < THRESHOLD) { 
       result = computeDeterminant(A, N); 
       return result; 
      } 

      for (int j1 = 0; j1 < N; j1++){ 
       m = generateSubArray (A, N, j1); 
       ParallelDeterminants d = new ParallelDeterminants (m, N-1); 
       d.fork(); 
       result += Math.pow(-1.0, 1.0+j1+1.0) * A[0][j1] * d.join(); 
      } 

      return result; 
     } 

    public double computeDeterminant(double A[][], int N) 
    { 
     double res; 

     // Trivial 1x1 matrix 
     if (N == 1) 
      res = A[0][0]; 
     // Trivial 2x2 matrix 
     else if (N == 2) 
      res = A[0][0]*A[1][1] - A[1][0]*A[0][1]; 
     // NxN matrix 
     else 
     { 
      res=0; 
      for (int j1=0; j1<N; j1++) 
      { 
          m = generateSubArray (A, N, j1); 
          res += Math.pow(-1.0, 1.0+j1+1.0) * A[0][j1] * computeDeterminant(m, N-1); 
      } 
     } 
     return res; 
    } 

/* 
* Main function 
*/ 
public static void main(String args[]) 
{ 
    double res; 
      ForkJoinPool pool = new ForkJoinPool(); 
      ParallelDeterminants d = new ParallelDeterminants(); 
      d.inputData(); 
    long starttime=System.nanoTime(); 
      res = pool.invoke (d); 
    long EndTime=System.nanoTime(); 

    System.out.println("Seq Run = "+ (EndTime-starttime)/100000); 
    System.out.println("the determinant valaue is " + res); 
} 

Tuttavia dopo aver confrontato le prestazioni, ho trovato che le prestazioni della forcella/Join approccio è molto cattivo, e maggiore è la dimensione della matrice, più lenta diventa (come rispetto al primo approccio). Dov'è il sovraccarico? Qualcuno può far luce su come migliorare questo?

Answer 1

Il motivo principale per cui il codice ForkJoin è più lento è che in realtà è serializzato con un sovraccarico di thread generato. Per beneficiare di fork/join, è necessario 1) posizionare prima tutte le istanze, quindi 2) attendere i risultati. Dividi il tuo loop in "calcola" in due cicli: da uno a uno (memorizzando le istanze di ParallelDeterminants in, per esempio, un array) e un altro per raccogliere i risultati.

Inoltre, suggerisco di biforcarsi solo al livello più esterno e non in nessuno di quelli interni. Non vuoi creare thread O (N^2).