Implementar métodos de redução de banda de matrizes com base nas heurísticas apresentadas em http://www.sbmac.org.br/arquivos/notas/livro_75.pdf.

• Implementar uma das Heurísticas apresentadas no livro;
• Implementar o Gradiente Conjugado com Técnica de Armazenamento de Linha (CSR);
• Comparar a Heurística escolhida e o Gradiente Conjugado com relação ao tempo de processamento.

OBS.: A heurística escolhida foi a Cuthill-Mckee com reordem.

Recomendação: Usar matrizes grandes com aqueles esquemas de compactação. Para maiores detalhes, acesse este catálogo de matrizes https://sparse.tamu.edu._

Primeiramente, baixe o repostiório para a sua máquina. Após baixá-lo, o repositório raiz (cefet-rj-algebra-final) terá a seguinte estrutura:

• Arquivos:
  • README.md
  • application.py
• Diretórios:
  • datasets
  • modules
  • tests

Em seguida, acesse o diretório datasets na sua máquina e verifique os arquivos de matrizes do tipo *.mtx. Esses arquivos serão carregados na etapa de execução. Feito isso, basta executar o comando no formato padrão abaixo:

• python application.py [datasets/'file'.mtx]

• python application.py datasets/bcsstk18.mtx

Com o comando acima, será executado o formato padrão da aplicação, que contempla o seguinte modo de execução:

• python application.py 100 0.01 False datasets/bcsstk18.mtx

Os parâmetros representados pelos valores default 100, 0.01 e False representam, respectivamente, máximo de iterações (--maxit), erro de tolerância (--err) e a propriedade simétrica da matriz (--symetric_mode).

Para conhecer os parâmetros, execute python application.py -h

OBS.: É necessário ter o Python (3.6) instalado em sua máquina.

Por fim, para executar a Aplicação com outros parâmetros, seguem alguns exemplos:

• Para matrizes não-simétricas:

  • python application.py Num-INT Num-FLOAT datasets/'file'.mtx

• Para matrizes simétricas:

  • python application.py Num-INT Num-FLOAT True datasets/'file'.mtx

Ao final da execução será apresentado um relório descrevendo a execução da aplicação e apresentando os resultados comparativos. Segue um exemplo do resultado de execução abaixo:

-------------------------------------------------------------------------------------------------
 [RELATORIO] - Descricao da Execucao
-------------------------------------------------------------------------------------------------

 Aplicando o Metodo Iterativo GRADIENTE-CONJUGADO
        Inicio  -  2018-06-03 22:35:27.449495
        Termino -  2018-06-03 22:35:27.451965
 Tempo de Execucao do Metodo Iterativo GRADIENTE-CONJUGADO:  0.002469778060913086


 Aplicando a Heuristica REVERSE-CUTHIL-MCKEE
        Inicio  -  2018-06-03 22:35:27.456298
        Termino -  2018-06-03 22:35:27.456473
 Tempo de Execucao da Heuristica REVERSE-CUTHIL-MCKEE:  0.00017523765563964844

-------------------------------------------------------------------------------------------------
 [SUMARIO] - Apresentando a Matriz
-------------------------------------------------------------------------------------------------

 Dimensao (NxN):         (153, 153)
 Elementos NONZERO:      2423
 Arquivo da Matriz:      datasets/input153x153.mtx
 Matriz Simétrica:       True ==> Execução mais otimizada ;)

-------------------------------------------------------------------------------------------------
 [RESULTADO] - Avaliacao do Tempo de Execucao
-------------------------------------------------------------------------------------------------

 REVERSE-CUTHIL-MCKEE teve DESEMPENHO MELHOR que GRADIENTE-CONJUGADO
-------------------------------------------------------------------------------------------------

[Ajuda] Para conhecer os parâmetros, execute: 'python application.py -h'
[Exemplo] Para execucao padrao, execute: 'python application.py datasets/<FILE>.mtx'

Para conhecer os parâmetros, execute python application.py -h. Então "mãos à obra" e bons resultados.

Abs =D

• Gustavo Alexandre
• Marcelo Silveira
• Raphael Fialho