首页/论文/2011.00172

arXiv 2011.001722020-11cs.DS

Generalized Sorting with Predictions

Pinyan Lu, Xuandi Ren, Enze Sun, Yubo Zhang

备注：: To appear in SOSA 2021

英文摘要：

Generalized sorting problem, also known as sorting with forbidden comparisons, was first introduced by Huang et al. together with a randomized algorithm which requires $\tilde O(n^{3/2})$ probes. We study this problem with additional predictions for all pairs of allowed comparisons as input. We propose a randomized algorithm which uses $O(n \log n+w)$ probes with high probability and a deterministic algorithm which uses $O(nw)$ probes, where $w$ is the number of mistakes made by prediction.

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

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

Binar Sort：一种线性广义排序算法

Binar Sort: A Linear Generalized Sorting Algorithm

排序是计算机的一项常见且无处不在的活动。存在大量的排序算法并不奇怪。对于所有的排序算法，排序算法是线性的或O（N lg N）是公认的性能极限。性能上的线性下限源于排序算法使用数据的排序属性。排序算法通过排序属性使用比较来将数据元素从初始排列排列成排序排列。线性O（N）排序算法是存在的，但是使用数据的先验知识来使用数据的特定属性，因此具有更好的性能。线性排序算法是利用数据比较的普适性质进行推广的，但有一个线性性能下限。排序算法中的折衷是通过用于对数据元素进行排序的所选属性来实现性能的通用性。一个通用的，线性排序算法的上下文中的权衡性能的一般性，在第一次考虑似乎是难以置信的。但是，有一个隐含的假设，即只有排序属性是普遍的。但是，正如将要讨论和检查的那样，它不是数据元素的唯一通用属性。二进制排序是一种通用的排序算法，它使用另一个通用属性来线性排序。

2011-05-17cs.DS

Stochastic and Worst-Case Generalized Sorting Revisited

The \emph{generalized sorting problem} is a restricted version of standard comparison sorting where we wish to sort $n$ elements but only a subset of pairs are allowed to be compared. Formally, there is some known graph $G = (V, E)$ on the $n$ elements $v_1, \dots, v_n$, and the goal is to determine the true order of the elements using as few comparisons as possible, where all comparisons $(v_i, v_j)$ must be edges in $E$. We are promised that if the true ordering is $x_1 < x_2 < \cdots < x_n$ for $\{x_i\}$ an unknown permutation of the vertices $\{v_i\}$, then $(x_i, x_{i+1}) \in E$ for all $…

2021-11-14cs.DS

广义蛙跳抽样排序：一类$O(n \log^2 n)$最坏情况复杂度和$O(n \log n)$平均情况复杂度排序算法

Generalized Leapfrogging Samplesort: A Class of $O(n \log^2 n)$ Worst-Case Complexity and $O(n \log n)$ Average-Case Complexity Sorting Algorithms

原始的蛙跳采样排序对大小为$s$的排序样本和大小为$s+1$的未排序部分进行操作。我们将其推广到大小为$s$的排序样本和大小为$(2^k-1)(s+1)$的未排序部分，其中$k = O(1)$。我们提出了这类算法的实际实现，我们表明，最坏情况下的复杂性是$O(n \log^2 n)$和平均情况下的复杂性是$O(n \log n)$。关键词：样本排序，快速排序，蛙跳样本排序，排序，算法分析。

2018-01-29cs.DS

广义偏序集排序问题的算法

Algorithms for the Generalized Poset Sorting Problem

本文研究广义偏序集排序，提出基于枢轴划分的统一框架，为二部图与ER随机图给出低查询复杂度算法，并首次得到一般加权查询图的次线性竞争比。

2023-07-15cs.DS

关于螺母与螺栓问题推广及广义排序的实例最优算法研究

On Instance-Optimal Algorithms for a Generalization of Nuts and Bolts and Generalized Sorting

本文推广螺母螺栓问题提出二分排序，采用基于邻域的实例最优定义，给出接近最优的随机算法，并进一步推广到DAG排序，推翻了带代价信息排序的一个潜在下界。

2024-07-15cs.DS

排序网络的凝聚律及其在函数式程序设计中的应用

An Agglomeration Law for Sorting Networks and its Application in Functional Programming

在本文中，我们将提出一个一般的凝聚法排序网络。聚合是设计并行程序时的常用技术，用于控制计算的粒度，从而在算法和算法运行的机器之间找到更好的匹配。通常，这是通过将较小的任务分组并在一个并行进程中整体计算它们来完成的。在排序网络的情况下，这可以通过用一个进程计算网络的更大部分来完成。本文中的凝聚法则追求一种不同的策略：将输入数据分组，并在保持算法原始结构的情况下将算法推广到凝聚输入。这将导致一个新的访问机会，排序网络非常适合在现代多核计算机，计算机网络或GPGPU编程的有效并行化。此外，这使我们能够使用排序网络作为任意排序算法的（并行或分布式）合并阶段，从而轻松创建新的混合排序算法。函数式程序设计语言的表达能力帮助我们将这一定律应用于系统构建的排序网络，从而产生高效且易于适应的排序算法。最后，用Eden程序设计语言给出了一个应用实例，说明了该方法的有效性。不同的并行排序算法的运行时行为的实现进行了比较。

2017-01-03cs.DS

更多相关论文收起更多论文

带预测的排序

Sorting with Predictions

University of Oxford（牛津大学）

本文研究带预测的排序问题，针对位置预测和快速比较两种设置提出仅需 $O(\sum_i \log η_i)$ 次精确比较的简单算法，并证明其比较复杂度在相应误差度量下渐近最优，实验验证了学习增强排序的实用性。

2023-11-01cs.DScs.LG

基于匹配统计的后缀排序

Suffix sorting via matching statistics

本研究提出一种基于匹配统计的后缀排序新算法，通过构建匹配统计压缩表示加速后缀比较，在高度相似字符串集合上构建广义后缀数组的速度可媲美甚至超过现有最快方法，还提出了可独立应用的匹配统计快速计算启发式方法。

2022-07-03cs.DS

不确定性下带预测的排序与超图定向问题

Sorting and Hypergraph Orientation under Uncertainty with Predictions

Durham University（杜伦大学）；University of Bremen（不来梅大学）

该研究针对可探索不确定性环境，提出带预测的排序与超图定向学习增强算法，在预测准确时提升性能，在预测错误时保持最优最坏情况保证，并证明性能随误差平滑下降。

2023-05-16cs.DScs.LG

模式类的排序和原像

Sorting and preimages of pattern classes

我们引入了一个算法来确定排序操作（如堆栈排序或冒泡排序）何时输出给定的模式。该算法提供了一个新的证明的描述西-2-栈可排序的排列，即完全排序的排列时，通过两次通过堆栈，在模式。我们还解决了长期存在的问题，描述西-3-堆栈可排序排列。这需要一种新的广义置换模式，我们称之为装饰模式。

2012-03-12cs.DSmath.CO

带约束的排序

Sorting with constraints

该研究针对仅允许部分两两比较的带约束排序问题，从禁止比较对构成的图的团数、色数参数化算法，拓展至不可排序图的偏序发现，提出Erdős–Rényi图下O(n^{3/2} log n)次探测的偏序确定算法。

2025-08-31cs.DMcs.DS

Query-Competitive Sorting with Uncertainty

We study the problem of sorting under incomplete information, when queries are used to resolve uncertainties. Each of $n$ data items has an unknown value, which is known to lie in a given interval. We can pay a query cost to learn the actual value, and we may allow an error threshold in the sorting. The goal is to find a nearly-sorted permutation by performing a minimum-cost set of queries. We show that an offline optimum query set can be found in poly time, and that both oblivious and adaptive problems have simple competitive algorithms. The competitive ratio for the oblivious problem is $n$ …

2021-04-14cs.DS

批处理前置器与外存储器中按大小定价信息排序

Batched Predecessor and Sorting with Size-Priced Information in External Memory

在单位成本比较模型中，一个黑盒接受两个输入项并输出比较结果。排序和搜索等问题已经在这个模型中进行了研究，它已经被推广到包括定价信息的概念，其中不同的项目对（例如数据库记录）具有不同的比较成本。这些比较成本可以是任意的（在这种情况下，没有算法可以接近最优（Charikar et al. STOC 2000）），结构化的（例如，比较成本可能取决于数据库的长度（Gupta et al. FOCS 2001）），或随机的（Angelov et al. LATIN 2008）。出于数据库设置的成本取决于项目的大小，我们考虑的问题，排序和批处理前两个非均匀的项目集$A$和$B$作为输入。(1)在RAM设置中，我们考虑两个集合都有$n$键的情况。在$A$中比较两个项目的成本是$a$，在$A$中比较一个项目和$B$中比较一个项目的成本是$b$，在$B$中比较两个项目的成本是$c$。我们给出了$a \le b \le c$情形的上界和下界。请注意，案例$b=1, a=c=\infty$是著名的“螺母和螺栓”问题。(2)在磁盘访问模型（DAM），在磁盘和内部存储器之间传输元素的主要瓶颈，我们考虑的情况下，在$B$中的元素大于元素在$A$。较大的项需要更多的I/O进入内存，消耗更多的内存空间，并且需要完整地进行比较。我们首先给出了输出敏感的下限和上限的批量前的问题，并使用这些推导出的两个模型中的排序的复…

2020-04-27cs.DCcs.DS

通过划分精化对有限自动机进行排序

Sorting Finite Automata via Partition Refinement

本文针对有限自动机排序问题，通过扩展经典关系最粗划分精化算法，提出了$O(m\log n)$时间复杂度的WNFA共字典全预序与DFA最小宽度共字典偏序计算方法，效率显著优于现有算法且实用表现优异。

2023-12-18cs.DS

迈向更简单的多数排序网络与单调电路

Towards Simpler Sorting Networks and Monotone Circuits for Majority

本文研究低深度单调电路计算多数函数及构建低深度排序网络的问题，提出了深度为$O(\log_2^{5/3} n)$的显式单调电路，以及将排序网络上界从$4 \log_k^2 n$改进至$2 \log_k^2 n$的新架构。

2023-10-18cs.CCcs.DS

Learning-Augmented Query Policies

We study how to utilize (possibly machine-learned) predictions in a model for computing under uncertainty in which an algorithm can query unknown data. The goal is to minimize the number of queries needed to solve the problem. We consider fundamental problems such as finding the minima of intersecting sets of elements or sorting them (these problems can also be phrased as (hyper)graph orientation problems), as well as the minimum spanning tree problem. We discuss different measures for the prediction accuracy and design algorithms with performance guarantees that improve with the accuracy of p…

2021-11-05cs.DS