[論文レビュー] Optimal Partitioning for Dual-Pivot Quicksort

Martin Aumüller, Martin Dietzfelbinger|arXiv (Cornell University)|Mar 21, 2013

Algorithms and Data Compression参考文献 15被引用数 7

ひとこと要約

本稿では、二ピボットクイックソートアルゴリズムの統一的モデルを導入し、平均的なキー比較回数を $1.8n\ln n + O(n)$ に最小化する最適なパーティショニング戦略を特定している。これは、$1.9n\ln n + O(n)$ の比較を要するヤロスラフスキーのアルゴリズムを上回る。本手法は、ピボット選択と要素の分布に基づいてパーティショニング方式を体系的に分析し、二ピボットソートにおける比較効率の理論的下界を導出する。

ABSTRACT

Dual-pivot quicksort refers to variants of classical quicksort where in the partitioning step two pivots are used to split the input into three segments. This can be done in different ways, giving rise to different algorithms. Recently, a dual-pivot algorithm proposed by Yaroslavskiy received much attention, because a variant of it replaced the well-engineered quicksort algorithm in Sun's Java 7 runtime library. Nebel and Wild (ESA 2012) analyzed this algorithm and showed that on average it uses 1.9n ln n + O(n) comparisons to sort an input of size n, beating standard quicksort, which uses 2n ln n + O(n) comparisons. We introduce a model that captures all dual-pivot algorithms, give a unified analysis, and identify new dual-pivot algorithms that minimize the average number of key comparisons among all possible algorithms up to a linear term. This minimum is 1.8n ln n + O(n). For the case that the pivots are chosen from a small sample, we include a comparison of dual-pivot quicksort and classical quicksort. Specifically, we show that dual-pivot quicksort benefits from a skewed choice of pivots. We experimentally evaluate our algorithms and compare them to Yaroslavskiy's algorithm and the recently described three-pivot quicksort algorithm of Kushagra et al. (ALENEX 2014).

研究の動機と目的

• 二ピボットクイックソートアルゴリズムの設計空間を形式化・統一し、パーティショニング戦略の体系的比較を可能にする。
• すべての可能な二ピボットアルゴリズムの中で、平均的なキー比較回数を最小化する最適なパーティショニング手法を特定する。
• 二ピボットクイックソートにおける比較回数の理論的下界を $1.8n\ln n + O(n)$ として確立し、ヤロスラフスキーのアルゴリズムなど既知のアルゴリズムを改善する。
• 実験的に、提案された最適アルゴリズムが、ヤロスラフスキーのアルゴリズムや3ピボットクイックソートなどの既存の変種と比較して実際の性能を評価する。
• 比較回数、交換回数、キャッシュミス、命令数といった標準的なコスト指標が、実際の実行時間の差を完全に説明できるかどうかを調査する。

提案手法

• 著者らは、ピボット選択と要素の順序に基づいてパーティショニングプロセスをパrameter化することで、すべての二ピボットクイックソートアルゴリズムを捉える一般モデルを構築した。
• 相対的なピボットの順序と入力要素の分布を用いて、期待される比較回数の閉形式表現を導出した。
• 解析的組合せ論と母関数を用いて、各パーティショニング戦略の期待比較コストを計算し、設計空間全体で最小化した。
• パーティショニング中に形成される3つの部分配列のサイズをバランスさせる変分問題を解くことで、最適戦略を導出した。
• 著者らは、最適アルゴリズムを実装し、Java 8を用いて最新のハードウェア上でヤロスラフスキーのアルゴリズム、古典的クイックソート、および Kushagra らの3ピボットアルゴリズムと比較して実験評価を行った。
• 比較回数、交換回数、キャッシュミス（L1およびL2）、命令数、および実際の実行時間の複数のコスト指標を測定した。

実験結果

リサーチクエスチョン

• RQ1 どのような二ピボットクイックソートアルゴリズムでも達成可能な最小の平均比較回数は何か？
• RQ2 どのパーティショニング戦略がこの最小比較回数を達成するのか？ また、ヤロスラフスキーのアルゴリズムなど既存のアルゴリズムとはどのように異なるのか？
• RQ3 比較回数、交換回数、キャッシュミスといった標準的なコスト指標は、二ピボットクイックソートの実行時間差をどの程度まで説明できるか？
• RQ4 実際の性能において、最適アルゴリズムはヤロスラフスキーのアルゴリズムや3ピボットクイックソートと比べてどのように異なるか？
• RQ5 理論的な比較回数の下界 $1.8n\ln n + O(n)$ は、安定的かつ効率的な実装によって実際に達成可能か？

主な発見

• 最適な二ピボットクイックソートアルゴリズムは、平均比較回数が $1.8n\ln n + O(n)$ に抑えられ、ヤロスラフスキーの $1.9n\ln n + O(n)$ よりも低い。
• 最適戦略は、ピボットの順序と要素の分布に基づいてパrameter化された統一モデルから導出された。
• 実験結果から、最適アルゴリズムはJava 8において3ピボットアルゴリズムより約37%遅く、ベンチマークでは最も速いのは3ピボットアルゴリズムであった。
• ヤロスラフスキーのアルゴリズムは、理論的比較回数がやや高いにもかかわらず、実際の性能では最適アルゴリズムとほぼ同等であった。
• 比較回数や交換回数だけでは観察された実行時間の差を説明できない。キャッシュミスや命令数も影響を及ぼすが、いずれの指標とも完全に性能を予測できるわけではない。
• 本研究により、比較回数の下位項が $O(n)$ であることが確認された。これは、従来の $o(n\ln n)$ の仮定よりも厳密である。