排序算法综述

排序在数据处理中占有极重要的位置,排序算法的好坏,直接影响到实现的复杂度。本文介绍了常用的排序算法,并详细讨论了各种排序法的实现、改进和时间复杂度。最后对这些排序算法进行了比较。     

链式存储结构上直接插入排序算法的研究与实现

线性表上进行的直接插入排序法是一种较简单的内部排序算法,计算机工作者经常研究和讨论顺序表中直接插入排序算法的实现及其改进,很少研究直接插入排序法在链表上的实现。本文讨论了直接插入排序在单链表上和静态链表上的算法及实现过程。最后分析了算法时间复杂度和空间复杂度。     

一种基于的统计的排序算法

本文提出了一种基于统计的快速排序算法，并对该算法的时间复杂度和空间复杂度进行了分析，该算法要求排序关键字满足一定的约束条件，其时间复杂度为O(n)，对该算法做一些简单的修改，还可以将其推广到一般关键字的排序问题。     

链表递增归并排序算法

归并排序是一种稳定．高效的排序算法。归并排序算法一般是用顺序存储结构实现的。如Sun公司JDK中Java Collection库中对数组、List的排序。使用顺序存储结构实现归并排序需要空间复杂度为O(n)的辅助存储空间，对于链表来说，还需要转换为顺序存储结构，所以共需要2n的辅助存储空间。本文提出一种链表非递归归并排序算法，可以对链表进行原地(In Place)排序，只需要O(logn)辅助存储空间，时间复杂度不变。     

几种排序算法的分析与比较

从排序算法的时间复杂度、空间复杂度和它的稳定性着手,结合不同排序算法的特点进行分析和比较,通过编程实现的方法对不同算法进行对照实验,为今后的课程教学、排序算法的选择等实际情况提供了参考依据。     

并行双调排序算法的有效实现及性能分析

排序是计算机中最常见的操作之一，双调排序是一个非常著名的排离算法，也是最早的并行排序算法，又调排离对排序算法的研究具有非常深远的影响，基于双调排序算法的基本思想，介绍了双调排序在分布存储的并行计算机环境下的一种有效实现方式，采用局部多对多通信替换全局通信，很好地解决了双调排序中的通信问题，算法的计算复杂度为⊙n/p(logn log^2p)，其中n为待排序的关键字个数,p为处理器数，算法在二维网孔结构上通信时间复杂度达到了O（2.12132√p.n/p）其量级达到了理论上的下限，分析结果表明，双调排序算法也具有很好的通信性能和可扩展性。     

静态链式二路插入排序算法的研究

排序是计算机操作中的一种常用技术,排序算法在顺序表上有很多实现技术,但在链表上的研究却很少见。本文讨论了在静态链表上的二路插入排序算法的实现思想,并实现了该算法,最后分析了该算法的时间复杂度和空间复杂度。     

4路插入排序法

提出一种4路插入的排序方法。给出了算法思想、算法描述、算法分析和实验结果。其理论意义是改进了一类时间复杂度为O（N^2）排序法的时间复杂度，其实用价值是该排序法存一类时间复杂度为O（N^2）排序法中排序效率较高的，其平均排序速度比直接插入排序法、选择排序法、冒泡排序快66％以上。     

Radix Sort——复杂度为O（n）的排序方法

在每一本讲算法的教科书中差不多都有讲排序的方法，从最初的选择排序、冒泡排序，到哈希排序、快速排序、堆排序，二叉树排序等等。一般的认为，通用排序中．最低的算法复杂度为O(n·LoG(n))，n是待排序的元素个数。那么有没有比这更快，算法复杂度更低的排序算法呢?在本文中，大家将会看到一种算法复杂度为0(n）的     

基于队与栈结合排序算法实现及性能分析

排序有许多经典的算法,如插入排序、交换排序、选择排序等。这些排序算法的性能包括时间复杂度、空间复杂度以及稳定性各有优劣。笔者在这里给出一种全新的排序算法——队与栈排序。这种算法打破传统以交换或移动为主要排序的做法,而是借助栈和队这两种数据结构来实现排序。     

常用内排序算法的分析与比较

排序是计算机程序设计中的一种重要操作,在数据处理中占有极重要的位置,其方法也很多,有快速排序、冒泡法排序、选择法排序等。排序算法的好坏,直接影响到实现的复杂度。介绍了常用的排序算法,并详细讨论了各种排序法的实现。最后对这些排序算法进行了比较,得出具有一定指导意义的结论。     

建立校园网的七级安全防护体系

构建一个安全、可靠、高效的校园网环境是每一个校园网络系统建设和管理者值得高度重视和认真研究的课题.该文针对校园网使用环境复杂及开放性强等特点,提出建立校园网的7级安全防护体系,并指出了每一种安全措施应用的场合和解决的问题.     

The training set quality measures for neural network learning

The actual problem of criteria set development for the training sample quality estimation in the problems of neural network learning is solved. It includes such measures as a set monotonicity, complexness, repetition, relative dimensionality, relative dependence approximation simplicity, relative inconsistency, evenness, class separability and compactness, integrated criteria of training set quality evaluation, sample and feature selection criteria. The using of offered criterions in practice allows to automatize the process of a construction, analysis and comparison of neural models for pattern recognition problem solving.     

Delay and area efficient approximate multiplier using reverse carry propagate full adder

The performance and power of error resilient applications will rise with a decrease in designing complexness due to approximate computing. This paper includes the new method for the approximation of multipliers. Variable likelihood terms are produced by the alteration of partial products of the multiplier. Based on the probability statistics, the accumulation of altered partial products leads to the variation of logic complexity. Here the estimate is implemented in 2 variables of 16-bit multiplier and in the final stage with reverse carry propagate adder(RCPA). The reverse carry propagate adder have carry signal propagation from the most significant bit(MSB) to the least significant bit(LSB), which results in greater relevance to the input carry than the output carry. The technique of carry circulation in reverse order with delay variations increases the stability. Utilizing the RCPA in approximate multiplier provide 21% and 7% improvements in area and delay. On comparing, this structure is resilient to delay variations than the ideal approximate adder.     

针对任意分布数据的高效分档混合排序算法

针对任意分布数据的排序问题,在把对文献[7][8][9]等分档排序算法的改进与该算法在程序语言中的实现技术的改进相结合的基础上,提出了一种新的针对任意分布数据的高效分“档”排序算法,并通过把它与最近排序方面的工作进行比较说明了它的优越性。     

一种基于listwise的在线学习书目排序检索算法

高效检索是数字图书馆的核心业务之一,其中排序是高效信息检索的核心问题。给定一系列的书目列表,利用排序模型生成目标书目的排序列表。将学习排序算法应用于信息检索领域时,常用方法是通过最小化pairwise损失函数值来优化排序模型。然而,已有结论表明,pairwise损失值最小化不一定能得到listwise算法的最佳排序性能。并且将在线学习排序算法与listwise算法相结合也非常困难。提出了一种基于listwise的在线学习排序算法,旨在保证listwise算法性能优势的前提下,实现在线学习排序算法,从而降低检索复杂度。首先解决将在线学习排序算法与listwise算法相结合的问题;然后通过最小化基于预测列表和真实列表定义的损失函数来优化排序模型;最后提出基于online-listwise算法的自适应学习率。实验结果表明,所提出算法具有较好的检索性能和检索速度。     

两步迭代自返馈神经网络排序模型

本文提出了用神经网络有效地解决排序问题的途径和方法。建立了一个自反馈神经网络排序模型，对于ｎ个元素的排序问题，利用该模型可在两个迭代步内完成，排序时间与排序问题的规模无关。该模型的空间复杂度为Ｏ（ｎ＾２）。     

一种新的多路归并排序网络

文中提出了一种新的多路归并排序网络,该网络基于倾斜与振荡多路归并排序算法．该网络有两个主要特点．一是其基本构件为ｋ－ｓｏｒｔｅｒｓ,即ｋ个数的排序器,ｋ为任意素数,而传统的排序网络的基本构件为两个数的排序,即２－ｓｏｒｔｅｒｓ．二是该网络的延迟可以小于传统的基于２－ｓｏｒｔｅｒｓ的Ｂａｔｃｈｅｒ排序网络．文中给出了该排序网络的具体实现;作为实例给出了Ｎ＝２７,ｋ＝３时的排序网络;分析了该网络的时间延迟;通过具体设计排序网络的基本构件２－ｓｏｒｔｅｒｓ和３－ｓｏｒｔｅｒｓ,表明这种新的多路归并排序网络和Ｂａｔｃｈｅｒ排序网络相比是一种高速的排序网络．     

Timing results of some internal sorting algorithms on the IBM 3090

The information contained in a paper by Rönsch adn Strauss on the performance of sorting algorithms on vector computers is completed with performance data of the IBM 3090 on sorting. For scalar sorting, the IBM 3090 turns out to be faster than all the machines considered by Rönnsch and Strauss. Due to this high scalar speed, FORTRAN-coded vector sorting is never more efficient than scalar sorting on the IBM 3090, at least for the vector sorting algorithms considered. On the other hand, for optimized library routines the IBM 3090 outperforms the CRAY X-MP (but not the AMDAHL 1200) at most vector lenghts.