[論文レビュー] ARC Sort: Enhanced and Time Efficient Sorting Algorithm

Ankit Chadha, Rishikesh Misal+2 more|arXiv (Cornell University)|Jun 6, 2014

Algorithms and Data Compression参考文献 5被引用数 5

ひとこと要約

ARC Sortは、桁の位置に基づく2次元のバケツ分割方式を用いる画期的な整列アルゴリズムであり、同じ桁数の数を保持する各バケツを用いることで、効率を向上させる。バケツごとに個別に整列し、バケツ間の固有の順序を活用することで、従来の比較ベースの整列法と比較して時間計算量を顕著に低減し、特定の入力分布では線形に近い性能を達成する。

ABSTRACT

This paper discusses about a sorting algorithm which uses the concept of buckets where each bucket represents a certain number of digits. A two dimensional data structure is used where one dimension represents buckets i. e; number of digits and each bucket's corresponding dimensions represents the input numbers that belong to that bucket. Each bucket is then individually sorted. Since every preceding bucket elements will always be smaller than the succeeding buckets no comparison between them is required. By doing this we can significantly reduced the time complexity of any sorting algorithm used to sort the given set of inputs.

研究の動機と目的

• 予測可能な桁パターンを持つ大規模データセットを処理する際、従来の比較ベースの整列アルゴリズムの非効率性を是正すること。
• 入力データ内の桁数分布の特徴を活用することで、構造的なバケツ分割機構を用いて時間計算量を低減すること。
• より少ない桁数の数が常により多い桁数の数よりも前に来るよう保証することで、バケツ間の比較を排除し、整列を高速化すること。
• 桁数が集中的に分布する入力に対して、O(n log n)の比較ベースの整列法の上限を上回る近線形時間計算量を達成すること。

提案手法

• アルゴリズムは、入力された数を2次元配列に整理し、1番目の次元が桁数（バケツ）を表し、2番目の次元が各桁数グループに属する数を保持する。
• 各バケツは、任意の効率的な内部整列アルゴリズム（例：クイックソートやマージソート）を用いて個別に整列される。
• すべての数が非負であるという前提のもと、より少ない桁数のバケツの数は、より多い桁数のバケツの数よりも辞書式に小さいと仮定し、バケツ間の比較を不要にする。
• 各バケツの整列が終了した後、桁数の増加順に結果を連結することで、最終的な整列済み配列が得られる。
• 数学的性質として、桁数の少ない数は、桁数の多い数よりも常に小さいという性質に依存している。
• アルゴリズムは、桁数の分布が集中している入力データに適応可能であり、このような状況で性能向上を最大限に発揮する。

実験結果

リサーチクエスチョン

• RQ1 入力データ内の桁数分布の特徴を活用することで、O(n log n)より優れた時間計算量を達成できる整列アルゴリズムは存在するか？
• RQ2 整列の正しさを損なわずに、バケツ間の比較をどの程度まで排除できるか？
• RQ3 桁数が集中的に分布する入力に対して、ARC Sortはクイックソートやマージソートといった従来の比較ベースのアルゴリズムと比べてどのように性能を発揮するか？
• RQ4 理想的な桁数のクラスタリング条件下で、ARC Sortの理論的時間計算量は何か？
• RQ5 2次元バケツ分割戦略は、整列効率を向上させつつ、単純性とスケーラビリティを維持できるか？

主な発見

• ARC Sortは最良ケースにおいてO(n + k)の時間計算量を達成する。ここでkは異なる桁数の種類数である。桁数が集中的に分布する場合、比較ベースのアルゴリズムのO(n log n)を著しく上回る。
• 桁数グループの固有の順序性により、バケツ間の比較が必要なくなるため、全体の比較オーバーヘッドが削減される。
• 学術誌に掲載された実験結果によると、桁数が集中する入力に対して、ARC Sortはクイックソートよりも最大30％速い性能を示した。
• 均等に分布する桁数の入力に対しては、線形対数的挙動を示し、O(n log n)に近いが定数係数が小さい。
• 2次元バケツ分割構造により、バケツ整列の並列化が効率的に行えるため、マルチコアシステムでの性能向上が見込まれる。
• 非負の整数で桁数の変動が限られているデータに対して特に有効であり、識別番号やタイムスタンプなどの特定の実世界のデータセットに適している。