[論文レビュー] Pivot Sampling in Dual-Pivot Quicksort

Markus E. Nebel, Sebastian Wild|arXiv (Cornell University)|Mar 26, 2014

Algorithms and Data Compression参考文献 18被引用数 5

ひとこと要約

この論文は、ヤロスラブスキーの二ピボットクイックソートにおけるピボットサンプリングを分析し、サンプルから中央順序統計量でない非中央のピボットを選択することで、平均比較回数、交換回数、Javaバイトコード命令数が削減されることを示している。主な発見は、ヤロスラブスキーの分割法に内在する非対称性のおかげで、歪んだピボットが対称的なピボットを上回ることであり、最適な歪み具合は使用するコストモデルに強く依存する。

ABSTRACT

The new dual-pivot Quicksort by Vladimir Yaroslavskiy - used in Oracle's Java runtime library since version 7 - features intriguing asymmetries in its behavior. They were shown to cause a basic variant of this algorithm to use less comparisons than classic single-pivot Quicksort implementations. In this paper, we extend the analysis to the case where the two pivots are chosen as fixed order statistics of a random sample and give the precise leading term of the average number of comparisons, swaps and executed Java Bytecode instructions. It turns out that - unlike for classic Quicksort, where it is optimal to choose the pivot as median of the sample - the asymmetries in Yaroslavskiy's algorithm render pivots with a systematic skew more efficient than the symmetric choice. Moreover, the optimal skew heavily depends on the employed cost measure; most strikingly, abstract costs like the number of swaps and comparisons yield a very different result than counting Java Bytecode instructions, which can be assumed most closely related to actual running time.

研究の動機と目的

• ピボットを中央順序統計量ではなく、ランダムなサンプルから固定された順序統計量として選択する場合の二ピボットクイックソートの平均的性能を分析すること。
• 異なるコストモデル下で総コストを最小化する最適なピボット選択戦略—特に、順序統計量の最適な歪み具合—を特定すること。
• 抽象的コスト測定（比較回数、交換回数）と実際のコスト測定（Javaバイトコード命令数）の間にある乖離を解消すること。これらは異なる最適ピボット選択をもたらす。
• サンプリングされたピボット設定下での比較回数、交換回数、バイトコード命令数の平均値の漸近的主要項を明確に導出すること。

提案手法

• 著者らは、ピボット選択をサイズkのサンプルからの固定順序統計量としてモデル化し、2つのピボットのランクを表すパrameter t₁, t₂, t₃を用いる。
• 再帰的関係式を用いてn要素をソートする際の期待コストを導出し、形状関数法を用いて再帰の漸近的挙動を分析する。
• 期待コストの主要項を導出するために連続写像定理（CMT）を適用し、ピボットランクの確率質量関数から導かれる形状関数w(z)を用いる。
• 期待コストはベータ関数および調和数を用いて表現され、比較回数、交換回数、バイトコード命令数の精密な漸近的分析が可能になる。
• コストモデルは3つの異なる測定基準で分析される：比較回数、交換回数、Javaバイトコード命令数。それぞれが異なる最適ピボット設定をもたらす。
• 古典的クイックソートの分析で知られている結果を活用し、パス依存的な分割コストを考慮した非対称な二ピボット設定に拡張する。

実験結果

リサーチクエスチョン

• RQ1 ヤロスラブスキーの二ピボットクイックソートで比較回数を最小化する最適なピボット順序統計量（すなわち歪み具合）は何か？
• RQ2 交換回数を最小化する場合と比較回数を最小化する場合の最適ピボット選択はどのように異なるのか。その乖離の理由は何か？
• RQ3 コストモデル、特に抽象的コスト測定と実際のバイトコード命令数の比較において、最適ピボット設定がどの程度依存するのか。
• RQ4 サンプリングされたピボット下で、比較回数、交換回数、バイトコード命令数の3つのコスト測定基準すべてについて、期待コストの漸近的主要項を正確に導出できるか？

主な発見

• 比較回数を最小化する最適なピボット選択は、サンプルの中央順序統計量ではなく、系統的に歪んだ順序統計量であり、最適な歪み具合はコストモデルに依存する。
• 比較回数の最適ピボット選択では、平均的に約1.9n ln n回の比較が達成され、古典的クイックソートの2n ln nを上回る性能を示す。
• 交換回数を最小化するための最適ピボット設定は、比較回数を最小化するものとは顕著に異なり、分割コストと部分問題のバランスの間のトレードオフを示している。
• 実際の実行コストをJavaバイトコード命令数で測定すると、比較や交換の最適ピボット歪み具合とは再び異なる最適な歪み具合が得られ、最小のバイトコード命令数は比較や交換の最適値とは異なる順序統計量で達成される。
• この分析により、ヤロスラブスキーのアルゴリズムがその分割法に内在する非対称性のおかげで、歪んだピボットが対称なピボットよりも効率的であることが確認された。
• 連続写像定理およびベータ関数の恒等式を用いて、3つのコスト測定基準すべてについて期待コストの正確な主要項が導出され、完全な漸近的特徴づけが得られた。