New Sorting Algorithm Wave Sort (W-Sort)
University of California, Davis(加州大学戴维斯分校)
波排序是一种新型原地排序算法,通过动态主元选择策略解决传统排序算法的性能问题,具有高效的比较复杂度和稳定的性能表现。
2026-01-04 cs.DS
Dynamic Partial Sorting
动态部分排序问题要求一种算法,该算法在链接、剪切和改变值操作下维护数字列表,并查询列表中$k$最小数字的排序序列。我们首先解决问题,在$O(k\log (n))$时间查询和$O(\log (n))$时间更新使用的比赛树数据结构,其中$n$是列表中的元素的数量。然后,我们引入了一个分层的比赛树数据结构,并解决了同样的问题,在$O(\log_φ^* (n) k\log (k))$时间的查询和$O\left(\log (n)\cdot\log^2\log (n)\right)$的更新,其中$φ$是黄金分割比和$\log_φ^*(n)$是迭代对数函数与基地$φ$。
2014-04-18 cs.DS
Spin-the-bottle Sort and Annealing Sort: Oblivious Sorting via Round-robin Random Comparisons
我们研究基于随机循环比较的排序算法。具体来说,我们研究旋转瓶排序,其中比较是不受限制的,和退火排序,其中比较被限制到一个由\emph{temperature}参数界定的距离。这两种算法都是简单的,随机的,数据无关的排序算法,这是有用的隐私保护计算,但正如我们所示,退火排序是更有效的。我们表明,有一个输入置换,导致旋转瓶排序需要$Ω(n^2\log n)$预期的时间,以成功,并在$O(n^2\log n)$时间,该算法成功的概率很高的任何输入。我们还展示了退火排序的一个实现,它在$O(n\log n)$时间内运行,并且以非常高的概率成功。
2010-11-10 cs.DS
Linear Probing with Non-Greedy Insertions
Carnegie Mellon University(卡内基梅隆大学)
研究线性探测哈希表插入策略,提出非贪婪插入策略,相比传统贪婪策略,在给定x时,能将最坏情况预期插入时间从Θ(x²)降至O(x log x) 。
2026-09-15 cs.DS
Strategies for Stable Merge Sorting
我们介绍了新的稳定的自然归并排序算法,称为$2$ -归并排序和$α$ -归并排序。我们证明了几个归并排序算法,包括Timsort,Shivers'排序,$α$堆栈排序,和我们的新的$2$合并和$α$合并排序的上限和下限。对于包含$m$ ~单调游程的长度为~ $n$的输入,上界和下界具有$c \cdot n \log m$和$c \cdot n \log n$的形式。对于Timsort,我们证明了$(1.5 - o(1)) n \log n$的一个下界.对于$2$ -归并排序,我们证明了近似$(1.089 \pm o(1))n \log m$的最优上下界.我们证明了类似的渐近匹配的上界和下界的$α$归并排序,当$φ< α< 2$,其中$φ$是黄金分割率。我们的界限是合并成本;这个上限限制了比较的数量,并准确地建模运行时。合并策略可以用于任何稳定的合并排序,而不仅仅是自然的合并排序。新的$2$ -merge和$α$ -merge排序具有更好的最坏情况合并成本上限,并且比广泛使用的Timsort实现起来稍微简单一些;它们在实验中也表现得更好。我们还报告了实验比较与算法开发的Munro野生和Jugé随后本文件的结果。
2019-02-09 cs.DS
A Lower Bound on Supporting Predecessor Search in $k$ sorted Arrays
我们试图执行有效的查询,为前驱之间的$n$值存储在$k$排序数组。避免$Ω(n \log k)$下限合并$k$数组,我们支持在$O(\log n)$时间后,$O(n \log(\frac{k}{\log n}))$建设时间的前身查询。通过应用Ben-Or的技术,我们确定这对于严格的前导查询是最优的,即,每个支持$O(\log n)$时间严格前导查询的数据结构都需要$Ω(n \log(\frac{k}{\log n}))$构造时间。我们的方法概括为一个模板,用于导出类似的下限的数据结构的建设时间与一些所需的查询时间。
2015-07-14 cs.DS
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。
2026-10-09 cs.DS
PCF Learned Sort: a Learning Augmented Sort Algorithm with $O(n \log\log n)$ Expected Complexity
Graduate School of Information Science and Technology The University of Tokyo(东京大学信息理工学系研究科)
本文提出PCF学习排序算法,首次从理论上证明学习排序在温和数据分布假设下具有O(n log log n)期望复杂度,并通过合成与真实数据集实验验证,为学习排序的快速性提供了理论依据。
2025-11-10 cs.CC cs.DS
Optimal Sorting with Persistent Comparison Errors
我们考虑在\emph{persistent}比较错误的情况下对$n$元素进行排序的问题。在该模型中(Braverman和Mossel,SODA'08),两个元素之间的每个比较都可能是错误的,具有一定的固定(小)概率$p$和\emph{comparisons cannot be repeated}。在这个模型中,完美的排序是不可能的,目标是最小化输出序列中每个元素的\emph{dislocation},也就是说,它的真实排名和它的位置之间的差异。这个问题的现有下限表明,没有算法可以保证,以高概率,\emph{maximum dislocation}和\emph{total dislocation}分别优于$Ω(\log n)$和$Ω(n)$,无论其运行时间。在本文中,我们提出了第一个\emph{$O(n\log n)$-time}排序算法,保证\emph{$O(\log n)$ maximum dislocation}和\emph{$O(n)$ total dislocation}具有高概率。除了改进以前的最先进的算法-最著名的算法有运行时间$\tilde{O}(n^{3/2})$ -我们的结果表明,比较错误不使问题计算上更困难:一个序列与最好的可能的错位可以在$O(n\log n)$时间,即使没有比较错误,$Ω(n\log n)$时间是必要的,以保证这样的错位范围。为了达到这个最优…
2018-04-20 cs.DS
An O(n^{2.75}) algorithm for online topological ordering
我们提出了一个简单的算法,它保持了一个在线的边插入序列下的n个节点的有向无环图的拓扑顺序在O(n^{2.75})的时间,独立于插入的边的数量m。对于密集DAG,这是Katriel和Bodlaender之前的O(min(m^{3/2} log(n),m^{3/2} + n^2 log(n))最佳结果的改进。我们还提供了一个经验比较我们的算法与其他算法的在线拓扑排序。我们的实现在某些硬实例上优于它们,同时在导致完整DAG的随机边缘插入序列上仍然具有竞争力。
2006-04-20 cs.DS
Sorting distinct integers using improved in-place associative sort
针对整数表,提出了原地关联整数排序技术,该技术仅需要常量的额外内存,取代了桶排序、分布计数排序和地址计算排序算法族。然后,进一步改进了该技术,提出了一种原地排序算法,其中n个整数S[0... n-1]中的每一个都在范围[0,n-1]中精确排序,而前一种技术的复杂度是递归T(n)= T(n/2)+ O(n),产生T(n)= O(n)。该技术有两个变体,一个用于只读的不同整数键,另一个用于可修改的不同整数。假设w是固定的字长,用于可修改的不同整数的变体能够对n个不同整数S[0..进行排序。n-1],如果m <(w-logn)n,则时间复杂度为O(n)。否则,它在O(n + m/(w-logn))时间内对最坏情况进行排序,O(m/(w-logn))时间用于平均值(均匀分布的密钥),O(n)时间用于最好情况,仅使用O(1)额外空间。本文改进了可修改的不同整数的变式,得到了一个对n个不同整数S[0... n-1],如果m <(w-1)n,则时间复杂度为O(n)。否则,它在O(n + m/(w-1))时间内对最坏情况进行排序,O(m/(w-1))时间用于平均值(均匀分布的密钥),O(n)时间用于最好情况,仅使用O(1)额外空间。
2012-09-21 cs.DS
Sorting with Recurrent Comparison Errors
我们提出了一个排序算法的情况下,经常性的随机比较错误。该算法基本上实现了同时良好的性能,以前的算法排序$n$不同的元素在这个模型中。特别地,它在$O(n^2)$时间中运行,输出中元素的最大位错是$O(\log n)$,而总位错是$O(n)$。这些保证是最好的可能,因为我们证明,即使是随机算法不能实现$o(\log n)$最大错位的高概率,或$o(n)$总错位的期望,无论其运行时间。
2017-09-21 cs.DS
Optimal Document Exchange and New Codes for Insertions and Deletions
我们给出了第一个通信最优的文件交换协议。对于任何$n$和$k < n$,我们的随机化方案采用任何$n$位文件$F$,并计算$Θ(k \log \frac{n}{k})$位摘要,根据该摘要,可以以高概率重建$F$,给定具有编辑距离$ED(F,F') \leq k$的相关文件$F'$。我们的摘要的大小是$k$的所有值的信息理论顺序最优的,为[Orlitsky; FOCS'91]的长期未决问题提供了随机解决方案。它也是第一个非平凡的解决方案,为有趣的设置,其中一个小的恒定部分的符号已被编辑,产生一个最佳的总结大小$O(H(δ)n)$的$k=δn$。这总结了一长串越来越好的协议,产生更大的总结$k$和次多项式故障概率的次线性值。特别是,最近的突破[Belazzougui,Zhang; FOCS'16]假设$k < n^ε$,产生大小为$O(k\log^2 k + k\log n)$的摘要,并以概率$1-(k \log n)^{-O(1)}$成功。我们也给出了一个有效的去随机化的文件交换协议,摘要大小为$O(k \log^2 \frac{n}{k})$。对于任何$k$,这都优于Belazzougui的摘要大小为$O(k^2 + k \log^2 n)$的确定性文档交换协议。我们的确定性文件交换直接提供了新的有效的系统错误纠正代码的插入和删除。这些(二进制)代码校正对抗性插入/缺失的任何$δ$…
2019-09-25 cs.DS
ExpoSort: Breaking the quasi-polynomial-time barrier for reluctant sorting
本文提出 ExpoSort 算法,以 Θ(2^n) 时间首次突破 SlowSort 的拟多项式下界,成为最慢排序的新标杆,同时揭示其微小改动即可变为实用的 InsertionSort 变体。
2024-09-04 cs.DS
Beating CountSketch for Heavy Hitters in Insertion Streams
给定来自全域$\mathcal{U}$的项的流$p_1, \ldots, p_m$,在不失一般性的情况下,我们将其识别为整数集合$\{1, 2, \ldots, n\}$,我们考虑返回所有$\ell_2$重命中者的问题,即,其中$f_j$是项$j$在流中出现的次数,以及$F_2 = \sum_{i \in [n]} f_i^2$。这样的保证比$\ell_1$ -保证强得多,后者会查找$f_j \geq εm$所属的$j$。在2002年,Charikar,Chen和Farach-Colton提出了{ \sf CountSketch}数据结构,它使用$Θ(\log^2 n)$位空间(对于常数$ε> 0$)找到所有这样的$j$。唯一已知的下界是$Ω(\log n)$位的空间,这来自于需要指定的身份的项目发现。在本文中,我们表明,它是可能的,以实现$O(\log n \log \log n)$位的空间,这个问题。我们的技术,基于高斯过程,导致了许多其他新的结果,数据流,包括(1)第一个算法估计$F_2$同时在所有点上的流,仅使用$O(\log n\log\log n)$位的空间,改进了自然联合界和算法的黄,泰,和易(2014)。(2)一种估计流的$\ell_{\infty}$范数的方法,直到具有$O(\log n\log\log n)$位空间的加性误差$ε\sqrt{F_2}$,解决IIT…
2015-11-02 cs.DS
Upper Tail Analysis of Bucket Sort and Random Tries
桶排序是已知的运行在预期的线性时间时,输入的关键字是独立和均匀随机分布在间隔$[0,1)$。即使在使用二次时间算法对每个桶中的键进行排序时,该分析也成立。我们展示了如何获得线性时间保证桶排序的运行时间,持有非常高的概率。具体地,我们调查的指数的渐近行为的上尾概率的桶排序的运行时间。我们考虑与期望的大的加性偏差,对于足够大的(常数)$c$,形式为$cn$,其中$n$是排序的键的数量。我们的分析表明,在每个桶内使用二次时间算法的桶排序变体与使用$Θ(b\log b)$时间算法对桶中的$b$键进行排序的变体之间存在深刻的差异。当使用二次时间算法对桶中的键进行排序时,在$Θ(\sqrt{n}\log n)$中,桶排序花费$cn$比预期时间更长的概率是指数的。当使用$Θ(b\log b)$算法对桶中的键进行排序时,指数变为$Θ(n)$。我们证明后一个定理,显示一个随机变量的尾部上界定义的尝试,结果,我们相信是独立的利益。这一结果也使我们能够分析的上尾概率的一个很好的研究trie参数,外部路径长度,并表明,概率,它偏离其预期值的一个附加因子$cn$是指数在$Θ(n)$。
2020-02-24 cs.DS
Faster Small-Constant-Periodic Merging Networks
我们考虑在一个重复使用的比较器网络上合并两个排序序列的问题,也就是说,如果输出没有排序,则使用输出作为输入再次应用网络。具有挑战性的任务是构建这种小深度的网络(在本文中称为周期)。在我们以前的论文中,题为更快的3-周期合并网络,我们减少了两倍的时间合并的$3$ -周期网络,即从$12\log N$到$6\log N$,相比,第一个结构由Kutykowski,Lorywald和Oesterdikhoff。请注意,在$2$周期网络上进行合并需要线性时间。本文将Canfield和Williamson的$(\log N)$ -周期分类器的构造和分析推广到任意周期的$p \ge 4$。对于$p\ge 4$,我们的$p$ -周期网络在至多$\frac{2p}{p-2}\log N + p\frac{p-8}{p-2}$轮中合并长度为$N/2$的两个排序序列。先前Kutykowski等人给出的界限是$\frac{2.25p}{p-2.42}\log N$。这意味着,例如,与相应的$5.67\log N$和$3.8\log N$之前的边界相比,我们的$4$ -周期性合并网络在时间上以$4\log N$为上限,而我们的$6$ -周期性合并网络在时间上以$3\log N$为上限。我们的构造是规则的,并且遵循相同的周期化模式,而之前使用了一些额外的技术来调整$p \ge 4$的构造。此外,我们的网络也是…
2014-09-05 cs.DS
Efficient Dynamic Dictionary Matching with DAWGs and AC-automata
字典匹配是在文本$T$上的集合$D$(称为字典)中找到所有模式的任务。Aho-Corasick-automaton(AC-automaton)是一种数据结构,它使我们能够在$O(d\logσ)$预处理时间和$O(n\logσ+occ)$匹配时间内解决字典匹配问题,其中$d$是$D$中模式的总长度,$n$是文本的长度,$σ$是字母表大小,而$occ$是文本中所有模式出现的总次数。动态字典匹配是一种变体,其中模式可以动态地插入$D$中和从$D$中删除。如果只允许插入,这个问题被称为半动态字典匹配。在本文中,我们提出了两个有效的算法。对于长度为$m$的模式,我们的第一个算法在半动态设置下支持$O(m\logσ+\log d/\log\log d)$时间的插入和$O(n\logσ+occ)$时间的模式匹配,在动态设置下通过一些修改支持$O(σm+\log d/\log\log d)$时间的插入和删除以及$O(n(\log d/\log\log d+\logσ)+occ(\log d/\log\log d))$时间的模式匹配。该算法基于有向无环词图。我们的第二个算法,这是基于AC-自动机,支持插入在$O(m\log σ+u_f+u_o)$时间的半动态设置,并支持插入和删除在$O(σm+u_f+u_o)$时间的动态设置,其中$u_f$和$u_o$分别表示在故障功能和输出功能需要更新的状态的数量…
2019-02-21 cs.DS
A Simpler Proof that Pairing Heaps Take O(1) Amortized Time per Insertion
配对堆是堆(优先级队列)的一个简单的“自调整”实现。在最坏情况下,将一个项插入到配对堆中或减少一个项的键需要O(1)时间,合并两个堆也是如此。但删除一个最小键的项目可能需要时间,在最坏的情况下,堆大小成线性关系。引入配对堆的论文证明了每个堆操作的摊销时间限制为O(log n),其中n是堆中的项目数或操作中涉及的堆,通过将每个删除操作的时间收取O(log n),每个操作的时间为O(log n)。后来Iacono找到了一种方法,将每次插入的摊销时间减少到O(1),将meld的摊销时间减少到零,同时为其他更新操作保留O(log n)的摊销时间边界。我们给出了一个简单的证明Iacono的结果与显着较小的常数因子。我们的分析使用配对堆的自然表示,而不是转换到原来的分析和Iacono的二叉树。
2022-08-24 cs.DS
Nearly Space-Optimal Graph and Hypergraph Sparsification in Insertion-Only Data Streams
Google Research(谷歌研究院);Carnegie Mellon University(卡内基梅隆大学);Texas A&M University(德克萨斯农工大学)
针对仅插入数据流,本文提出空间近乎最优的图与超图 (1+ε)-稀疏化算法,并扩展至最小割、在线、滑动窗口及对抗鲁棒设置。
2025-10-21 cs.DS
An Optimal Sorting Algorithm for Persistent Random Comparison Faults
本文针对持久随机比较错误下的排序问题,提出首个 $O(n\log n)$ 时间算法,在 $p<1/4$ 时以高概率实现 $O(\log n)$ 最大错位和 $O(n)$ 总错位,并证明这些界是最优的。
2025-08-27 cs.DS
Soft Sequence Heaps
Chazelle [JACM 00]介绍了软堆作为有效的最小生成树算法的构建块,最近Kaplan等人[SOSA 2019]展示了如何应用软堆来实现各种选择问题的更简单算法。通过允许在总共$N$插入之后损坏堆中的项目的$εN$,软堆权衡效率的准确性,其中损坏的项目是具有人为增加的键的项目,并且$0 < ε\leq 1/2$是固定的错误参数。Chazelle的软堆是基于二叉树的,并且支持在摊销$O(\lg(1/ε))$时间内的插入和在摊销$O(1)$时间内的提取最小操作。在本文中,我们探讨了软堆的设计空间。本文的主要贡献是一个替代的软堆实现合并排序序列的基础上,与Chazelle的软堆的时间范围相匹配。我们还讨论了Kaplan等人[SICOMP 2013]的软堆的变体,其中我们避免了懒惰地执行插入。它是基于三进制树而不是二进制树,并匹配卡普兰等人的时间界限,即,摊销的$O(1)$插入和摊销的$O(\lg(1/ε))$ extract-min。我们的两种数据结构都只在extract-min操作之后引入损坏,该操作返回被该操作损坏的项集合。
2020-08-12 cs.DS
Breaking the Sorting Barrier for Directed Single-Source Shortest Paths
该研究提出了一种在比较-加法模型下、针对非负权有向图的确定性SSSP算法,其时间复杂度突破了Dijkstra算法在稀疏图上的时间界,证明了Dijkstra算法并非SSSP的最优算法。
2025-07-30 cs.DS
The Complexity Landscape of Dynamic Distributed Subgraph Finding
本文研究动态分布式子图查找的复杂度,针对团查找建立新下界并证明其紧性,还完整刻画团以外子图成员列表问题的带宽复杂度,解决该领域若干开放问题。
2025-08-22 cs.DS
Log-Lists and Their Applications to Sorting by Transpositions, Reversals and Block-Interchanges
D. D. Sleator和R.E. Tarjan(Journal of Computer and System Sciences,1983)提出了一种新的动态根树模型,其目标是在切割和链接操作下有效地维护顶点不相交的动态根树的森林。这些操作分别是将子树从树中断开,以及通过边连接两棵树。此外,链接切割树允许更改树的根,并对树的弧上定义的成本值执行许多更新和查询。所有这些操作都是在$O(\log\, n)$分摊时间或最坏情况下执行的,具体取决于实现,其中$n$是林的总大小。在本文中,我们表明,使用链接切割树(我们称之为$\log$列表)实现的元素列表,使我们能够获得一个共同的运行时间的$O(\log\, n)$的经典操作列表,但也为一些其他的基本操作,通常需要线性时间的列表。这种操作需要在由其端点定义的子列表中找到最小/最大元素,列表中给定元素的位置或放置在列表中给定位置的元素;或者它们需要添加值$a$,或者乘以$-1$,子列表中的所有元素。此外,我们使用$\log$ -列表来实现几个现有的算法排序排列的换位和/或反转和/或块互换,并获得$O(n\,\log\, n)$运行时间为所有这些。通过这种方式,几种算法的运行时间得到了改善,而在其他情况下,我们的算法执行以及现有的最佳实现。
2015-10-28 cs.DS
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$β(m,n)=\min\{k\geq 1: \log^{(k)}n\leq\frac{m}{n}\}$。
2018-08-31 cs.DS
The 1.375 Approximation Algorithm for Sorting by Transpositions Can Run in $O(n\log n)$ Time
置换排序是生物信息学中的一个重要问题。在本文中,我们改善了最有名的近似算法的运行时间为SPbT。本文采用Feng和Zhu的置换树数据结构,将Elias和Hartman的SPbT的1.375近似算法的运行时间改进为$O(n\log n)$。EH算法之前的运行时间为$O(n^2)$。
2009-10-17 cs.DM cs.DS
An Explicit and Efficient $O(n^2)$-Time Algorithm for Sorting Sumsets
本文提出首个显式基于比较的算法,以最优$O(n^2)$时间排序和集,利用矩阵单调性消除对数开销,并扩展至$k$重和集,实验验证显著加速。
2025-04-23 cs.DM cs.DS
Sorting and Permuting without Bank Conflicts on GPUs
在本文中,我们看看在图形处理单元(GPU)的共享内存中没有任何银行冲突的设计算法的复杂性。给定$n$、$w$处理器和$w$存储体大小的输入,我们研究了三个基本问题:排序、置换和$w$路划分(定义为对包含$[w]$中每个整数的$n/w$副本的输入进行排序).我们解决了最佳的$O(\frac{n}{w} \log n)$时间排序。当使用$n \ge w^2$时,我们在$O(n/w)$时间内最优地解决了划分问题。我们还提出了一个一般的解决方案的分区问题,需要$O(\frac{n}{w} \log^3_{n/w} w)$的时间。最后,我们使用随机算法在$O(\frac{n}{w} \log\log\log_{n/w} n)$时间内解决置换问题。我们的研究结果表明,当工作与银行的内存架构,有这些问题之间的分离和排列和分区问题是不容易的简单的并行扫描。
2015-07-06 cs.DC cs.DS
Histogram Sort with Sampling
为了最小化数据移动,最先进的并行排序算法使用基于采样和直方图的技术来在重新分配之前对键进行分区。采样使分区能够使用键的代表性子集来完成,而直方图使给定分区的评估和迭代改进成为可能。我们引入了采样直方图排序(HSS),它结合了采样和迭代直方图,以最小的数据移动和高的实际性能找到高质量的分区。与用于找到这些分区的最知名(最近引入的)算法相比,我们的算法需要的通信少了Θ(log(p)/ log log(p))的因子,并且与样本排序和直方图排序的标准变体相比时少得多。我们提供了一个分布式内存实现的算法,比较其性能,现有的两个实现,并提供了一个简短的应用研究显示新算法的好处。
2019-04-29 cs.DC cs.DS
Resource Oblivious Sorting on Multicores
我们提出了一个确定性排序算法,SPMS(样本,分区,合并排序),交错的样本排序与合并的分区。按顺序,它对$O(n \log n)$时间缓存中的$n$元素进行排序,并具有最佳的缓存未命中数量。该算法的并行复杂度(或关键路径长度)是$O(\log n \cdot \log\log n)$,它改进了以前的最佳缓存不经意排序的界限。该算法还具有较低的虚假共享成本。当在具有全局共享存储器和$p$核的多核计算环境中由工作窃取调度器调度时,由于该并行执行而导致的附加高速缓存未命中和假共享未命中的成本分别由$O(S\cdot M/B)$和$O(S \cdot B)$高速缓存未命中的成本限制,其中每个$p$核具有以大小为$B$的块组织的大小为$M$的高速缓存,其中,$S$是在执行期间执行的窃取次数。最后,SPMS算法是资源无关的,对机器参数的依赖性只出现在对算法性能的分析中,而不是算法本身。
2017-11-02 cs.DC cs.DS
Bucket Oblivious Sort: An Extremely Simple Oblivious Sort
我们提出了一个概念上简单的不经意排序和不经意随机置换算法,称为桶不经意排序和桶不经意随机置换。桶不经意排序使用$6n\log n$时间(由内存访问次数测量)和$2Z$客户端存储,错误概率在$Z$中呈指数级小。上面的运行时只比非遗忘合并排序基线慢$3\times$;对于$2^{30}$元素,它比双调排序快$5\times$,双调排序是实际实现中事实上的遗忘排序算法。
2021-04-29 cs.CR cs.DS
A Dynamic Stabbing-Max Data Structure with Sub-Logarithmic Query Time
在本文中,我们描述了一个动态的数据结构,回答一维刺最大查询的最佳$O(\log n/\log\log n)$时间。我们的数据结构使用线性空间,并支持插入和删除分别在$O(\log n)$和$O(\log n/\log \log n)$摊销时间。我们还描述了一个$O(n(\log n/\log\log n)^{d-1})$空间数据结构,回答$d$维刺最大查询在$O((\log n/\log\log n)^{d})$时间。$O((\log n/\log\log n)^d\log\log n)$和$O((\log n/\log\log n)^d)$摊销时间分别支持插入和删除。
2011-09-18 cs.CG cs.DS
Dynamic Euclidean Bottleneck Matching
计算几何中的一个基本问题是对于欧几里德空间中的一组输入点,其受到离散变化(在每个时间步插入/删除点),是否可能在次线性更新时间中保持近似瓶颈匹配。在这项工作中,我们肯定地回答这个问题的点在一条真正的线和点在平面上有界几何传播。对于一组$P$上的$n$点的线,我们表明,存在一个动态的算法,保持一个瓶颈匹配的$P$,并支持插入和删除在$O(\log n)$时间。此外,我们表明,该算法的修改版本保持了最小权重匹配与$O(\log n)$更新(插入和删除)时间。接下来,对于一组$P$的$n$点在平面上,我们表明,($6\sqrt{2}$)因子近似的瓶颈匹配的$P_k$,在每个时间步长$k$,可以保持在$O(\logΔ)$摊销时间每次插入和$O(\logΔ + |P_k|)$摊销时间每次删除,其中$Δ$是几何扩散的$P$。
2023-02-21 cs.CG cs.DS
Faster 3-Periodic Merging Networks
我们考虑在一个重复使用的比较器网络上合并两个排序序列的问题,也就是说,如果输出没有排序,则使用输出作为输入再次应用网络。具有挑战性的任务是构建这种小深度的网络。具有恒定周期的合并网络的第一个构造是由Kutykowski,Lorykowski和Oesterdikhoff给出的。他们给出了$3$ -周期性网络,合并两个排序序列的$N$号码的时间$12\log N$和一个类似的网络周期$4$,工作在$5.67\log N$。我们提出了一个新的家庭这样的网络,是基于Canfield和Williamson定期排序。我们的$3$ -周期性合并网络在时间上界为$6\log N$。这种构造可以很容易地推广到运行时间减少的更大的恒定周期,例如,$4$ -在$4\log N$的时间上限内工作的周期性周期。此外,为了获得事实,我们引入了一种新的证明技术。
2014-01-02 cs.DC cs.DS