[论文解读] 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 5

一句话总结

ARC Sort 是一种新颖的排序算法，通过基于数位位置的二维分桶系统提升效率，其中每个分桶包含具有相同数位长度的数字。通过独立排序各分桶并利用分桶之间的固有顺序，与传统基于比较的排序算法相比，显著降低了时间复杂度，实现了特定输入分布下的近线性性能。

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.

研究动机与目标

• 解决传统基于比较的排序算法在处理具有可预测数位模式的大数据集时效率低下的问题。
• 通过结构化分桶机制，利用输入数据中的数位长度分布，降低时间复杂度。
• 通过确保数位较少的数字始终位于数位较多的数字之前，消除分桶之间的比较，从而加速排序过程。
• 在数位长度聚集的输入数据上实现接近线性的时间复杂度，优于比较排序的 O(n log n) 上限。

提出的方法

• 该算法将输入数字组织为一个二维数组，其中第一维表示数位数量（分桶），第二维存储属于每个数位长度组的数字。
• 每个分桶使用任意高效的内部排序算法（例如快速排序或归并排序）独立排序。
• 该算法假设所有位于较少数位分桶中的数字在字典序上均小于较多数位分桶中的数字，从而无需进行跨分桶比较。
• 在独立排序各分桶后，按数位长度递增顺序将结果连接，生成最终的已排序数组。
• 该方法依赖于一个数学性质：只要所有数字均为非负数，数位较少的数字必然小于数位较多的数字。
• 该算法设计为对数位长度分布集中的输入数据具有自适应性，从而在这些情况下最大化性能提升。

实验结果

研究问题

• RQ1 通过利用输入数据中的数位长度分布，能否设计出时间复杂度优于 O(n log n) 的排序算法？
• RQ2 在不损害正确性的前提下，能在多大程度上消除分桶之间的比较？
• RQ3 ARC Sort 在数位长度聚集的输入数据上，与传统基于比较的算法（如快速排序和归并排序）相比，性能表现如何？
• RQ4 在理想数位长度聚类条件下，ARC Sort 的理论时间复杂度是多少？
• RQ5 二维分桶策略是否能在保持简单性和可扩展性的同时，提升排序效率？

主要发现

• ARC Sort 在最佳情况下可实现 O(n + k) 的时间复杂度，其中 k 为不同数位长度的数量，当数位长度聚集时，显著优于 O(n log n) 的基于比较的算法。
• 由于数位长度组之间的固有顺序特性，该算法消除了分桶之间的比较需求，从而降低了整体比较开销。
• 期刊发表的实证结果表明，ARC Sort 在数位长度高度集中的输入上，性能比快速排序快达 30%。
• 在数位长度均匀分布的输入上，该算法表现出线性对数行为，接近 O(n log n)，但常数因子更小。
• 二维分桶结构允许对分桶排序进行高效并行化，从而在多核系统上提升性能。
• 该方法在非负整数且数位长度变化有限的数据集上效果最佳，适用于 ID 号码或时间戳等特定现实世界数据集。