首页/论文/1107.3622

arXiv 1107.36222011-07-19cs.DS

K-sort：一个新的排序算法，击败堆排序n <= 70万！

K-sort: A new sorting algorithm that beats Heap sort for n <= 70 lakhs!

Kiran Kumar Sundararajan, Mita Pal, Soubhik Chakraborty, N. C. Mahanti

备注：: 9 pages, 9 figures

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

Sundararajan和Chakraborty（2007）引入了一个新版本的快速排序，删除了交换。Khreisat（2007）发现这个算法与其他版本的快速排序竞争得很好。然而，它使用辅助阵列，从而增加了空间复杂度。在这里，我们提供了新排序的第二个版本，其中我们删除了辅助数组。这个算法的第二个改进版本，我们称之为K-sort，发现对于均匀U[0，1]输入的相当大的数组大小（n <= 70，00，000），排序元素的速度比堆排序快。

英文摘要：

Sundararajan and Chakraborty (2007) introduced a new version of Quick sort removing the interchanges. Khreisat (2007) found this algorithm to be competing well with some other versions of Quick sort. However, it uses an auxiliary array thereby increasing the space complexity. Here, we provide a second version of our new sort where we have removed the auxiliary array. This second improved version of the algorithm, which we call K-sort, is found to sort elements faster than Heap sort for an appreciably large array size (n <= 70,00,000) for uniform U[0, 1] inputs.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

一种高效的排序算法--极限堆排序（UHS）

An efficient sorting algorithm - Ultimate Heapsort(UHS)

受计算机理论发展的推动，排序算法层出不穷。受减少和征服方法的启发，本文提出了一种新的排序算法--最终堆排序.该算法由两部分组成：建立堆和调整堆。通过对算法的渐近分析和实验分析，我们的算法在任何条件下的时间复杂度都可以达到O（nlogn）。而且，它的空间复杂度仅为O（1）。可以看出，我们的算法优于以往的所有算法。

2019-02-01cs.DS

影响分类技术（壳、堆、Treap）效率关键因素的探索性研究

An Exploratory Study of Critical Factors Affecting the Efficiency of Sorting Techniques (Shell, Heap and Treap)

排序技术的效率对程序的整体效率有很大的影响。研究了Shell、Heap和Treap排序技术在运行时间和内存使用方面的效率，进行了实验，并通过SPSS对结果进行了因子分析。研究显示，影响这些分类技术的主要因素是分类所需的时间。

2012-03-03cs.DS

使用堆排序的字符串排序分析

Analysis of String Sorting using Heapsort

在这篇硕士论文中，我们分析了一组字符串排序的复杂性。结果表明，排序字符串的复杂性可以很自然地表示在由字符串的集合诱导的前缀trie。计算模型考虑了符号比较，而不仅仅是字符串之间的比较。给出了快速排序和归并排序等经典算法在该模型下的上下界分析。在这里，我们将分析扩展到另一个经典的算法-堆排序。我们还分析了使用二项式堆作为堆实现的算法版本。

2014-08-11cs.CCcs.DS

在部分信息下排序：通过统一界堆实现最优预处理时间

Sorting under Partial Information with Optimal Preprocessing Time via Unified Bound Heaps

Institute of Science and Technology Austria（奥地利科学技术研究所）

本文提出在部分信息下排序的最优预处理时间算法，利用统一界堆数据结构，实现O(m)预处理时间和O(log e(G))排序时间。

2026-10-09cs.DS

使用QuickMergesort的最坏情况有效排序

Worst-Case Efficient Sorting with QuickMergesort

排序问题的两个最突出的解决方案是Quicksort和Mergesort。虽然快速排序平均速度非常快，但合并排序还提供了最坏情况的保证，但需要额外的空间来存储线性数量的元素。然而，最坏情况下的有效就地排序仍然是一个挑战：标准解决方案Heapsort存在缓存行为不佳的问题，并且对于缓存内实例来说也不是太快。在这项工作中，我们提出了中位数的中位数QuickMergesort（MoMQuickMergesort），QuickMergesort的一个新的变种，它结合了Quicksort与Mergesort允许后者实施到位。我们的新变体应用中位数的中位数算法选择枢轴，以规避二次最坏的情况。事实上，我们表明，它最多使用$n \log n + 1.6n$比较$n$足够大。我们通过实验证实了理论估计，并表明新算法的性能优于堆排序，并且仅比Introsort（stdlibc++的std：：sort实现）慢10%左右，这对最坏情况的保证相当差。我们还模拟了最坏的情况，它只比平均情况慢10%左右。特别是，新算法是一个自然的候选人，以取代堆排序作为一个最坏情况下的塞子在Introsort。

2018-11-02cs.DS

从具有层排序堆的$X+Y$中最佳选择顶部$k$值

Optimally selecting the top $k$ values from $X+Y$ with layer-ordered heaps

笛卡尔和$X+Y$的选择与排序是经典而重要的问题。在这里，提出了一种新的算法，它生成形式为$X_i+Y_j$的顶部$k$值。该算法只依赖于中位数，是简单的实现。此外，它使用在存储器中连续的数据结构，并且在实践中是快速的。该算法被证明是理论上最优的。

2020-10-05cs.DS

更多相关论文收起更多论文

稀疏图中比排序更快的单源瓶颈路径算法

Single-Source Bottleneck Path Algorithm Faster than Sorting for Sparse Graphs

在有向图$G=(V,E)$中，每条边都有容量，两个顶点之间的\emph{bottleneck path}（或\emph{widest path}）是最大化路径中边的最小容量的路径。对于有向图中此问题的单源所有目的地版本，以前的最佳算法在$O(m+n\log n)$（$m=|E|$和$n=|V|$）时间内运行，通过使用Fibonacci堆的Dijkstra搜索[Fredman and Tarjan 1987]。我们将这个时间限制改进为$O(m\sqrt{\log n})$，从而它是第一个在$m=o(n\sqrt{\log n})$时突破经典Fibonacci堆时间限制的算法。这是一种Las-Vegas随机方法。相比之下，s-t瓶颈路径具有运行时间为$O(mβ(m,n))$的算法[Jumhik et al. 2016]，其中$β(m,n)=\min\{k\geq 1: \log^{(k)}n\leq\frac{m}{n}\}$。

2018-08-31cs.DS

利用部分信息的快速简单排序

Fast and Simple Sorting Using Partial Information

本文提出一种利用预先比较结果的确定性排序算法，结合拓扑排序、堆排序和有序搜索，以最优时间和比较次数解决排序及top-k排序问题。

2024-11-22cs.DS

排序算法的Kolmogorov复杂性分析（综述）

Analysis of Sorting Algorithms by Kolmogorov Complexity (A Survey)

近年来，利用Kolmogorov复杂性（不可压缩性方法）得到了许多关于排序算法计算复杂性的结果。特别是对通常比较困难的平均情况分析，也适用于该方法。在这里，我们调查这样的结果Bubberort，堆排序，Shellsort，Dobosiewicz排序，Shakersort，排序与堆栈和队列在顺序或并行模式。特别是在Shellsort的情况下，Kolmogorov复杂性的使用令人惊讶地轻松解决了那些尽管受到猛烈攻击但仍然开放了很长时间的问题。

2009-05-27cs.CCcs.DS

读写开销不对称的排序

Sorting with Asymmetric Read and Write Costs

新兴的存储器技术在写入存储器与从存储器读取的成本（在时间和能量两者上）之间具有显著的差距。在本文中，我们提出的模型和算法，占这种差异，重点是写效率排序算法。首先，我们考虑PRAM模型与非对称写成本，并表明，排序可以在$O\left(n\right)$写，$O\left(n \log n\right)$读，对数深度（并行时间）。接下来，我们考虑外部存储器（EM）模型的一个变体，该模型向$ω> 1$收取将大小为$B$的块写入到辅助存储器的费用，并提出三种EM排序算法（多路合并排序，样本排序和使用缓冲区树的堆排序）的变体，这些算法渐进地减少了原始算法的写入次数，并对每个块写入大致执行$ω$块读取。最后，我们定义了一个变种的理想缓存模型与不对称的写成本，并提出写效率高，缓存无关的并行算法排序，FFT和矩阵乘法。将工作窃取和并行深度优先缓存器的先验边界调整到非对称设置，这些分别为具有私有缓存或共享缓存的机器产生并行缓存复杂性边界。

2016-03-11cs.DS

中值滤波等价于排序

Median Filtering is Equivalent to Sorting

这项工作表明，以下问题是等价的，无论是在理论上和实践中：-中值滤波：给定一个$n$元素向量，计算滑动窗口中值与窗口大小$k$，-分段排序：给定一个$n$元素向量，将其划分为$n/k$块的长度$k$和排序每个块。通过先前的工作，中值滤波至少与分段排序一样困难：通过单个中值滤波操作，我们可以对长度为$Θ(k)$的$Θ(n/k)$块进行排序。目前的工作表明，中值滤波也一样容易分段排序：我们可以做一个分段排序操作和线性时间后处理中值滤波。特别是，中值滤波可以直接受益于大量的文献排序算法-例如，自适应排序算法意味着自适应中值滤波算法。减少是非常有效的，在实践中-随机输入的新的排序为基础的算法的性能与最快的堆为基础的算法，并为良性的数据分布，它通常优于以前的算法。关键的技术思想是，我们可以用一对排序的双向链表来表示滑动窗口：我们从一个链表中删除项目，并向另一个链表中添加项目。删除很容易;如果我们把时间颠倒两次，就可以有效地完成添加：首先，我们构造完整的列表，然后以相反的顺序删除项目。然后我们用Knuth的跳舞链接技术来撤销每个删除。

2014-06-06cs.DS

重组排序：基于哈希、桶、计数和基数排序协同组合的N维笛卡尔空间算法

Recombinant Sort: N-Dimensional Cartesian Spaced Algorithm Designed from Synergetic Combination of Hashing, Bucket, Counting and Radix Sort

排序是一个被广泛使用的基本操作，对于一些非常基本的日常实用程序（如搜索，数据库，社交网络等）来说是基础。在复杂性和效率方面优化这个基本操作是至关重要的。相对于算法的空间和时间复杂度实现优化。结合桶排序、计数排序和基数排序的优点，提出了一种新的左域N维Carnival间隔排序方法，并采用哈希和动态规划提高了排序效率。比较了所提出的排序方法与现有的各种排序方法，如冒泡排序、插入排序、选择排序、归并排序、堆排序、计数排序、桶排序等，也被执行了。该模型的时间复杂度是线性的，即O（n）的最佳，平均和最坏的情况下，这是优于迄今为止介绍的任何排序算法。

2021-07-03cs.DS

QuickXsort --一种理论与实践上的快速排序方案

QuickXsort - A Fast Sorting Scheme in Theory and Practice

QuickXsort是一种高效的就地顺序排序方案，它将Hoare的Quicksort算法与X混合在一起，其中X可以从更广泛的其他已知排序算法中选择，如Heapsort，Insertionsort和Mergesort。它的主要优点是QuickXsort可以在X没有的情况下就位。在这项工作中，我们提供了一般的转移定理表示的比较的QuickXsort的X的数量的比较。更具体地说，如果选择枢轴作为（不太快）增长大小样本的中位数，则QuickXsort和X的平均比较次数仅相差$o(n)$项。对于某些常数$k$的$k$的中值主元选择，差是一个线性项，我们精确计算其系数。例如，三个QuickMergesort的中位数最多使用$n \lg n - 0.8358n + O(\log n)$比较。此外，我们还研究了使用更少比较的其他算法对基本情况进行排序的可能性。通过这样做，比较的平均情况数量可以减少到$n \lg n- 1.4106n + o(n)$，剩余的间隙仅为$0.0321n$与已知下限的比较（同时总体上仅使用$O(\log n)$额外空间和$O(n \log n)$时间）。这些排序策略的实现表明，这些算法挑战了成熟的库实现，如Musser的Introsort。

2018-11-03cs.DS

平滑堆和自调整数据结构的双重视图

Smooth heaps and a dual view of self-adjusting data structures

我们提出了一个新的连接自调整二叉搜索树（BST）和堆，两个基本的，广泛研究，和实际相关的家庭数据结构。粗略地说，我们将自然模型中的任意堆算法映射到相应的BST算法，该算法在双操作序列上具有相同的成本（即时间和密钥空间角色切换的相同序列）。这是两个数据结构族之间的第一个通用转换。有一个丰富的理论动态优化BST（即BST算法之间的竞争理论）。在文献中已经注意到堆缺乏类似的理论。通过我们的连接，我们转移到一个通用的堆模型的BST已知的所有实例特定的下限，启动堆的动态优化理论。在算法方面，我们得到了一个新的，简单而有效的堆算法，我们称之为光滑堆。我们表明，光滑堆是贪婪，BST算法与最强的证明，并从文献中，被广泛认为是实例最优的属性堆对应。假设贪婪的最优性，平滑堆在我们的堆算法模型中也是最优的。作为推论的贪婪已知的结果，我们获得特定于实例的上界的光滑堆，自适应排序中的应用。有趣的是，平滑堆虽然是从一个不实用的BST算法中派生出来的，但它简单且易于实现（例如，除了键和树指针之外，它不存储任何辅助数据）。它可以被看作是流行的配对堆数据结构的变体，用"两个选择的幂"类型的启发式扩展它。

2018-12-29cs.DSmath.CO

更简单的普遍最优Dijkstra算法

Simpler Universally Optimal Dijkstra

Technical University of Denmark（丹麦技术大学）

通过引入时间戳最优堆，简化证明Dijkstra算法在任何图拓扑下均最优

2026-03-12cs.DS

实现基于比较的外部排序

Implementing the Comparison-Based External Sort

在大数据时代，排序是DBMS和类似系统不可或缺的操作。对数据进行排序可以帮助生成运行时间显著降低的查询计划。它还可以提供其他好处，例如具有非阻塞运算符，可以稳定地产生数据（没有突发），或者具有减少内存占用的运算符。查询处理的任何步骤都可能需要排序，即，无论是源数据还是中间结果。同时，要排序的数据可能不适合主存。在这种情况下，应该使用外部排序操作符，它将中间结果写入磁盘。在本文中，我们考虑了基于比较的排序类型的外部排序运算符。我们讨论了它的实现，并描述相关的设计决策。我们的目的是研究合并步骤中使用的数据结构对性能的影响。为此，我们已经实验性地评估了在DBMS内部实现的三种数据结构。结果表明，它是值得努力实现一个有效的数据结构运行合并，即使在现代商品计算机通常是磁盘绑定。此外，我们证明了使用失败者树是比朴素方法和基于堆的方法更有效的方法。

2022-07-26cs.DBcs.DScs.PF