Jdi na navigaci předmětu

2. Domácí úkol: Porovnání

using DataFrames, CSV, PyPlot

Import naměřených dat.

data = CSV.read("files/benchmark02.csv", DataFrame);
data[!, :score] = zeros(Int64, nrow(data));

Čas v původních datech je měřen v nanosekundách, paměť v bytech. Každá hodnota je medián několika běhů benchmarku z balíčku BechmarkTools.jl. Všechny výpočty běží na stejných předem vygenerovaných datech a se stejným počátečním nastavením PRNG.

Komentář k jednotlivých sloupců je v příslušné sekci níže.

data = coalesce.(data, 999e99)

17×14 DataFrame

Row	username	randomize_periodic	randomize_periodic_mem	randomize_fixed	randomize_fixed_mem	energy_periodic	energy_periodic_mem	energy_fixed	energy_fixed_mem	evolution_periodic	evolution_periodic_mem	evolution_fixed	evolution_fixed_mem	score
	String15	Float64	Int64	Float64	Int64	Float64	Int64	Float64	Int64	Float64	Float64	Float64	Float64	Int64
1	kalvotom	2.42561e7	20000000	1.96084e7	19840320	5.28643e7	0	9.07513e6	0	1.92786e6	496.0	9.4502e5	496.0	0
2	Zuhgan	1.38882e6	2000048	1.32805e6	1984112	4.62317e6	0	7.69932e6	0	1.0882e6	0.0	9.99e101	9.99e101	0
3	Shum	1.7031e6	0	1.85951e6	0	1.63905e7	0	1.36044e7	0	5.64068e5	496.0	4.76768e5	496.0	0
4	Parfu	1.26384e6	0	1.25036e6	0	8.71313e6	2000048	7.3095e6	2000048	9.96326e6	2.00005e6	8.46145e6	2.00005e6	0
5	Borkul	1.67349e6	2000128	1.73498e6	1984192	7.77872e6	26002528	8.42986e6	25929392	1.07116e6	0.0	1.59849e6	479744.0	0
6	Jogug	987862.0	0	657463.0	0	8.38036e6	0	2.64698e6	0	9.17525e6	0.0	3.01946e6	0.0	0
7	Wauktug	2.35325e7	20000000	1.86072e7	19840320	2.46943e7	2000048	1.4021e7	2000048	2.43321e7	0.0	2.54885e7	0.0	0
8	Ugghra	1.81725e6	250096	1.79426e6	248112	8.59678e7	94038144	8.77562e7	80023024	8.62513e7	9.47793e7	1.78556e8	8.06234e7	0
9	Gilaktug	2.88251e6	2000128	2.88865e6	1984192	1.12575e9	1213843856	1.10493e9	1212687248	9.99e101	9.99e101	9.99e101	9.99e101	0
10	Xomkug	1.37509e6	2000128	1.9081e6	1984192	1.0907e7	30027120	8.99903e6	25929200	2.77365e6	8.04981e6	4.93034e5	0.0	0
11	Xunaakt	1.40303e6	2000048	1.37489e6	2000048	1.11213e7	0	1.08273e7	0	1.01076e6	320000.0	413549.0	0.0	0
12	Saghig	1.358e6	2000128	3.92016e6	1984112	5.23231e7	52000000	5.35698e7	52000000	5.44353e7	5.24895e7	5.61772e7	5.24889e7	0
13	Bugharz	3.33323e6	2000128	3.34088e6	1984192	1.63152e7	22450640	8.07758e6	10367808	1.40377e6	595520.0	1.52498e6	575040.0	0
14	Saraugug	1.63092e6	0	899446.0	0	5.0883e6	0	1.93096e6	0	5.79478e6	0.0	1.53793e6	0.0	0
15	Epkagut	3.57635e6	4071664	3.57872e6	4071664	8.44516e9	1020157152	1.13433e10	1018754336	1.61421e10	1.38795e9	1.09804e10	1.38575e9	0
16	Xig	2.79644e6	2000128	1.84892e6	1984256	3.09434e6	2000048	4.95292e6	2000048	5.66954e9	4.00018e9	6.06057e9	4.00018e9	0
17	Quordud	2.60039e6	0	2.04182e6	0	1.31842e7	0	2.32202e7	2000048	5.86705e10	4.0008e6	1.18859e11	1.17803e10	0

Poznámky

Vedle studentů je v tabulce i můj řádek (kalvotom).
Pro lepší porovnání časů provedem vždy relativní porovnání s nejrychlejším časem. Měníme proto hodnoty a význam časových sloupců!

Randomizace pomocí `randomize!`

Pro měření (i v dalších sekcích níže) je použita mřížka $500 \times 500$ . Nejprve model s periodickými hraničními podmínkami.

data[!, :randomize_periodic] /= minimum(data.randomize_periodic);
sort!(data, [:randomize_periodic]);

for k in axes(data, 1)
    data[k, :score] += k
end

data[:, Cols(:username, :randomize_periodic, :randomize_periodic_mem, :score)]

17×4 DataFrame

Row	username	randomize_periodic	randomize_periodic_mem	score
	String15	Float64	Int64	Int64
1	Jogug	1.0	0	1
2	Parfu	1.27936	0	2
3	Saghig	1.37469	2000128	3
4	Xomkug	1.39198	2000128	4
5	Zuhgan	1.40588	2000048	5
6	Xunaakt	1.42027	2000048	6
7	Saraugug	1.65096	0	7
8	Borkul	1.69405	2000128	8
9	Shum	1.72403	0	9
10	Ugghra	1.83958	250096	10
11	Quordud	2.63234	0	11
12	Xig	2.8308	2000128	12
13	Gilaktug	2.91793	2000128	13
14	Bugharz	3.37419	2000128	14
15	Epkagut	3.6203	4071664	15
16	Wauktug	23.8217	20000000	16
17	kalvotom	24.5542	20000000	17

Relativní porovnání rychlosti běhu vzhledem k nejrychlejšímu řešení.

plt.grid()
bar(axes(data.randomize_periodic, 1), data.randomize_periodic, tick_label=data.username)
plt.xticks(rotation=80);

Odhad alokace paměti (v bytech).

plt.grid()
bar(axes(data.randomize_periodic_mem, 1), data.randomize_periodic_mem, tick_label=data.username)
plt.xticks(rotation=80);

A nyní pevné hraniční podmínky.

data[!, :randomize_fixed] /= minimum(data.randomize_fixed);
sort!(data, [:randomize_fixed]);

for k in axes(data, 1)
    data[k, :score] += k
end

data[:, Cols(:username, :randomize_fixed, :randomize_fixed_mem, :score)]

17×4 DataFrame

Row	username	randomize_fixed	randomize_fixed_mem	score
	String15	Float64	Int64	Int64
1	Jogug	1.0	0	2
2	Saraugug	1.36806	0	9
3	Parfu	1.9018	0	5
4	Zuhgan	2.01996	1984112	9
5	Xunaakt	2.0912	2000048	11
6	Borkul	2.6389	1984192	14
7	Ugghra	2.72907	248112	17
8	Xig	2.8122	1984256	20
9	Shum	2.82832	0	18
10	Xomkug	2.90222	1984192	14
11	Quordud	3.1056	0	22
12	Gilaktug	4.39364	1984192	25
13	Bugharz	5.08147	1984192	27
14	Epkagut	5.44322	4071664	29
15	Saghig	5.96255	1984112	18
16	Wauktug	28.3015	19840320	32
17	kalvotom	29.8243	19840320	34

Relativní porovnání rychlosti běhu vzhledem k nejrychlejšímu řešení.

plt.grid()
bar(axes(data.randomize_fixed, 1), data.randomize_fixed, tick_label=data.username)
plt.xticks(rotation=80);

Odhad alokace paměti (v bytech).

plt.grid()
bar(axes(data.randomize_fixed_mem, 1), data.randomize_fixed_mem, tick_label=data.username)
plt.xticks(rotation=80);

Výpočet energie pomocí `energy`

Nejprve model s periodickými hraničními podmínkami.

data[!, :energy_periodic] /= minimum(data.energy_periodic);
sort!(data, [:energy_periodic]);

for k in axes(data, 1)
    data[k, :score] += k
end

data[:, Cols(:username, :energy_periodic, :energy_periodic_mem, :score)]

17×4 DataFrame

Row	username	energy_periodic	energy_periodic_mem	score
	String15	Float64	Int64	Int64
1	Xig	1.0	2000048	21
2	Zuhgan	1.49407	0	11
3	Saraugug	1.64439	0	12
4	Borkul	2.51385	26002528	18
5	Jogug	2.70829	0	7
6	Parfu	2.81583	2000048	11
7	Xomkug	3.52484	30027120	21
8	Xunaakt	3.59408	0	19
9	Quordud	4.26073	0	31
10	Bugharz	5.27259	22450640	37
11	Shum	5.29694	0	29
12	Wauktug	7.98047	2000048	44
13	Saghig	16.9093	52000000	31
14	kalvotom	17.0842	0	48
15	Ugghra	27.7823	94038144	32
16	Gilaktug	363.809	1213843856	41
17	Epkagut	2729.23	1020157152	46

Relativní porovnání rychlosti běhu vzhledem k nejrychlejšímu řešení.

plt.grid()
bar(axes(data.energy_periodic, 1), data.energy_periodic, tick_label=data.username)
plt.xticks(rotation=80);

Odhad alokace paměti (v bytech).

plt.grid()
bar(axes(data.energy_periodic_mem, 1), data.energy_periodic_mem, tick_label=data.username)
plt.xticks(rotation=80);

A nyní pevné hraniční podmínky.

data[!, :energy_fixed] /= minimum(data.energy_fixed);
sort!(data, [:energy_fixed]);

for k in axes(data, 1)
    data[k, :score] += k
end

data[:, Cols(:username, :energy_fixed, :energy_fixed_mem, :score)]

17×4 DataFrame

Row	username	energy_fixed	energy_fixed_mem	score
	String15	Float64	Int64	Int64
1	Saraugug	1.0	0	13
2	Jogug	1.37081	0	9
3	Xig	2.56501	2000048	24
4	Parfu	3.78543	2000048	15
5	Zuhgan	3.98731	0	16
6	Bugharz	4.1832	10367808	43
7	Borkul	4.36564	25929392	25
8	Xomkug	4.6604	25929200	29
9	kalvotom	4.69981	0	57
10	Xunaakt	5.60723	0	29
11	Shum	7.04544	0	40
12	Wauktug	7.26116	2000048	56
13	Quordud	12.0252	2000048	44
14	Saghig	27.7426	52000000	45
15	Ugghra	45.447	80023024	47
16	Gilaktug	572.221	1212687248	57
17	Epkagut	5874.44	1018754336	63

Relativní porovnání rychlosti běhu vzhledem k nejrychlejšímu řešení.

plt.grid()
bar(axes(data.energy_fixed, 1), data.energy_fixed, tick_label=data.username)
plt.xticks(rotation=80);

Odhad alokace paměti (v bytech).

plt.grid()
bar(axes(data.energy_fixed_mem, 1), data.energy_fixed_mem, tick_label=data.username)
plt.xticks(rotation=80);

Výpočet časového vývoje pomocí `evolve!`

Nejprve model s periodickými hraničními podmínkami.

data[!, :evolution_periodic] /= minimum(data.evolution_periodic);
sort!(data, [:evolution_periodic]);

for k in axes(data, 1)
    data[k, :score] += k
end

data[:, Cols(:username, :evolution_periodic, :evolution_periodic_mem, :score)]

17×4 DataFrame

Row	username	evolution_periodic	evolution_periodic_mem	score
	String15	Float64	Float64	Int64
1	Shum	1.0	496.0	41
2	Xunaakt	1.79191	320000.0	31
3	Borkul	1.89899	0.0	28
4	Zuhgan	1.9292	0.0	20
5	Bugharz	2.48865	595520.0	48
6	kalvotom	3.41778	496.0	63
7	Xomkug	4.91722	8.04981e6	36
8	Saraugug	10.2732	0.0	21
9	Jogug	16.2662	0.0	18
10	Parfu	17.6632	2.00005e6	25
11	Wauktug	43.1369	0.0	67
12	Saghig	96.5048	5.24895e7	57
13	Ugghra	152.909	9.47793e7	60
14	Xig	10051.2	4.00018e9	38
15	Epkagut	28617.2	1.38795e9	78
16	Quordud	1.04013e5	4.0008e6	60
17	Gilaktug	1.77106e96	9.99e101	74

Relativní porovnání rychlosti běhu vzhledem k nejrychlejšímu řešení.

plt.grid()
bar(axes(data.evolution_periodic, 1), data.evolution_periodic, tick_label=data.username)
plt.xticks(rotation=80);

Odhad alokace paměti (v bytech).

plt.grid()
bar(axes(data.evolution_periodic_mem, 1), data.evolution_periodic_mem, tick_label=data.username)
plt.xticks(rotation=80);

A nyní pevné hraniční podmínky.

data[!, :evolution_fixed] /= minimum(data.evolution_fixed);
sort!(data, [:evolution_fixed]);

for k in axes(data, 1)
    data[k, :score] += k
end

data[:, Cols(:username, :evolution_fixed, :evolution_fixed_mem, :score)]

17×4 DataFrame

Row	username	evolution_fixed	evolution_fixed_mem	score
	String15	Float64	Float64	Int64
1	Xunaakt	1.0	0.0	32
2	Shum	1.15287	496.0	43
3	Xomkug	1.1922	0.0	39
4	kalvotom	2.28515	496.0	67
5	Bugharz	3.68754	575040.0	53
6	Saraugug	3.71886	0.0	27
7	Borkul	3.8653	479744.0	35
8	Jogug	7.30133	0.0	26
9	Parfu	20.4606	2.00005e6	34
10	Wauktug	61.6337	0.0	77
11	Saghig	135.842	5.24889e7	68
12	Ugghra	431.765	8.06234e7	72
13	Xig	14655.0	4.00018e9	51
14	Epkagut	26551.6	1.38575e9	92
15	Quordud	2.87412e5	1.17803e10	75
16	Zuhgan	2.41568e96	9.99e101	36
17	Gilaktug	2.41568e96	9.99e101	91

Relativní porovnání rychlosti běhu vzhledem k nejrychlejšímu řešení.

plt.grid()
bar(axes(data.evolution_fixed, 1), data.evolution_fixed, tick_label=data.username)
plt.xticks(rotation=80);

Odhad alokace paměti (v bytech).

plt.grid()
bar(axes(data.evolution_fixed_mem, 1), data.evolution_fixed_mem, tick_label=data.username)
plt.xticks(rotation=80);

Skóre (čím menší hodnota, tím lépe)

sort!(data, :score)
data[:, :points] = zeros(Int64, nrow(data))

n = 0
for k in axes(data, 1)
    # kalvotom se nepočíta, zbývá 14 studentů
    if data[k, :username] == "kalvotom"
        continue
    end
    
    data[k, :points] = 5 - div(n, 4)
    n += 1
end

data[:, Cols(:username, :score, :points)]

17×3 DataFrame

Row	username	score	points
	String15	Int64	Int64
1	Jogug	26	5
2	Saraugug	27	5
3	Xunaakt	32	5
4	Parfu	34	5
5	Borkul	35	4
6	Zuhgan	36	4
7	Xomkug	39	4
8	Shum	43	4
9	Xig	51	3
10	Bugharz	53	3
11	kalvotom	67	0
12	Saghig	68	3
13	Ugghra	72	3
14	Quordud	75	2
15	Wauktug	77	2
16	Gilaktug	91	2
17	Epkagut	92	2

2. Domácí úkol: Porovnání

Poznámky

Randomizace pomocí randomize!

Výpočet energie pomocí energy

Výpočet časového vývoje pomocí evolve!

Skóre (čím menší hodnota, tím lépe)

Randomizace pomocí `randomize!`

Výpočet energie pomocí `energy`

Výpočet časového vývoje pomocí `evolve!`