超快速排序算法

快速排序将文件分成两个子文件，然后递归地将两个子文件排序，其平均复杂性为Ｏ。本文给出超快速排序算法，建立将文件分成Ｎ个子文件，然后递归地将Ｎ个子文件排序，其平衡复杂性为Ｏ（Ｎ）。     

分组散列排序算法

以比较为基础的快速排序（ｑｕｉｃｋｓｏｒｔ）算法，其复杂性为Ｏ（ＮｌｏｇＮ）。本文结合概率论知识，提出分组散列查找算法，给出算法描述，其算法复杂性为Ｏ（Ｎ），从而优于快速排序算法。最后给出实验结果和ＢＡＳＩＣ程序。     

按字节桶分配链接排序法

本文准备提出一种谓之按字节桶分配链接的新序方法，给出排序算法，流科和用Ｃ语言编写程序进行实验的结果。算法分析和实验结果都表明，该排序方法的时间复杂性Ｏ且与数据的分布情况，附加存储开销为（Ｎ＋５１２）ε。该排序方法不仅速度上明显快于快速排序法，而且在非均匀分布数据的民政部下了明显快于桶排序法。     

不等长记录的公式索引分组字典排序

本文提出了一种公式索引分组字典排序法,其期望时间复杂性为O(n)。该算法基本上不象传统的排序方法那样进行元素间的比较,主要是用数学公式计算,直接得到排序结果。     

汉字词组的快速排序研究

本文提出的按汉字笔划权值为序对汉字词组的排序方法不仅有很快的运算速度, 而且内存开销较少。文中详细介绍了汉字笔划权值的转换方法以及用汇编语言实现的技术要点, 并给出了改进的桶排序算法描述以及一些汉字词组的排序实验结果。     

基于映射排序方法的子域映射算法

本文概述了内排序的发展,重点分析了映射内排序方法及其改进算法——分级快速排序法,指出不完善因素,提出了新的子域映射算法,给出了算法复杂性证明,预测了应用前景。     

高考分数的排序方法

本文给出了一个适用于高考分数处理的排序方法,其时间复杂性为O(N),而且是稳定的。     

多机并行处理排序算法的分析研究

目前,在串行计算机系统中,排序算法一直没有重大突破。随着新一代计算机的发展,本文提出了一种可在多机并行计算机系统中执行的并行处理排序算法,并给出了用并行设计语言写的实用算法。最后证明了其时间复杂性是O(n)阶的。     

双向插入排序法

本文提出一种双向插入的排序方法。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插入排序法的时间复杂度，其实用价值是该排序法比直接插入排序法具有较高的排序效率。     

二次分档插入排序法

代码转换分档插入排序法,对于均匀分布的数据无疑是一种高效率的排序方法,其时间复杂性为O(N),但是,对于极不均匀分布的数据,该方法的效率将明显下降,其时间复杂性变为O(N~2),为了避免在上述情况下排序效率的明显下降,使分档插入排序法有更普遍的适用性,我们在本文中将要提出二次分档插入排序法。     

一种快速的双目标非支配排序算法

提出一种快速的双目标非支配排序算法(BNSA)。设计了前向比较操作,以便快速识别非支配个体。提出了按需排序策略,避免生成多余的非支配前沿。论证BNSA算法的正确性,分析其时间复杂度为O(NlogN)。在9个标准的双目标优化测试问题上进行了比较实验。实验结果表明与其它3种非支配排序算法相比,BNSA算法在大多数测试问题上具有更快速的性能。当进化代数超过400代时,BNSA在所有的测试问题上都具有最好的加速效果。此外,BNSA算法简明、易于编程实现,可集成到任何基于非支配排序的多目标进化算法中,能较大程度地提高双目标优化的运行速度。     

基于一类特殊问题的排序算法

本文提出了一类特殊问题的拓序算法，其特点是在内排序中关键字与数组下标作映射或链接处理，不实施反复比较与交换关键字的操作，时间复杂性达到O（N）；在外排序中，文件输入／输出次数减少，提高了效率 。这类算法适宜今后在相关大规模信息处理中广泛应用。     

程序设计中常用的排序算法

针对程序设计中常出现的排序问题，介绍了六种常用的排序算法：插入排序、希尔排序、堆排序、归并排序、冒泡排序、快速排序，以及每种排序所需的时间复杂度，当对大量的数据排序时，以选择适应的算法，提高程序的执行速度。     

程序设计中常用的排序算法

针对程序设计中常出现的排序问题,介绍了六种常用的排序算法:插入排序、希尔排序、堆排序、归并排序、冒泡排序、快速排序,以及每种排序所需的时间复杂度,当对大量的数据排序时,以选择适应的算法,提高程序的执行速度。     

基于存储结构的汉字分组排序及其复杂度分析

自从计算机被用来进行大规模的数据处理,数据序列的排序问题便一直成为研究的热点,汉语言本身所具有的特点,使得汉字符串的排序问题成为中文信息处理领域中备受关注的问题,提出了一种汉字符串的快速分组排序算法,算法复杂度仅为O(n)。     

What is a Sorting Function?

What is a sorting function—not a sorting function for a given ordering relation, but a sorting function with nothing given?Formulating four basic properties of sorting algorithms as defining requirements, we arrive at intrinsic notions of sorting and stable sorting: A function is a sorting function if and only it is an intrinsically parametric permutation function. It is a stable sorting function if and only if it is an intrinsically stable permutation function.We show that ordering relations can be represented isomorphically as inequality tests, comparators and stable sorting functions, each with their own intrinsic characterizations, which in turn provide a basis for run-time monitoring of their expected I/O behaviors. The isomorphisms are parametrically polymorphically definable, which shows that it is sufficient to provide any one of the representations since the others are derivable without compromising data abstraction.Finally we point out that stable sorting functions as default representations of ordering relations have the advantage of permitting linear-time sorting algorithms; inequality tests forfeit this possibility.     

一种新的分"档"统计插入排序算法

提出了一种谓之数据代码转换,分“档”统计,迁移插入的新排序方法,给出了该排序算法的描述,时间复杂度分析用Ｃ语言编写程序进行算法比较的实验结果,算法分析和实验结果都表明：在待排序数据均匀分布的情况下,分“档”统计插入排序方法的时间复杂度为Ｏ（Ｎ）,并且排序速度明显优于快速排序,分段快速排序,按位段分块排序等算法。     

Fast parallel GPU-sorting using a hybrid algorithm

This paper presents an algorithm for fast sorting of large lists using modern GPUs. The method achieves high speed by efficiently utilizing the parallelism of the GPU throughout the whole algorithm. Initially, GPU-based bucketsort or quicksort splits the list into enough sublists then to be sorted in parallel using merge-sort. The algorithm is of complexity nlogn$nlogn$, and for lists of 8 M elements and using a single Geforce 8800 GTS-512, it is 2.5 times as fast as the bitonic sort algorithms, with standard complexity of n(logn)²$n{(logn)}^2$, which for a long time was considered to be the fastest for GPU sorting. It is 6 times faster than single CPU quicksort, and 10% faster than the recent GPU-based radix sort. Finally, the algorithm is further parallelized to utilize two graphics cards, resulting in yet another 1.8 times speedup.     

基于安全比较码的云环境隐私保护排序方法

基于云计算的外包服务模式因节省计算、存储等资源配置和维护成本 而被越来越多的公司和个人所使用。然而,资源外包模式也使得数据拥有者失去对其数据的直接控制,敏感数据的隐私保护问题日益凸显。排序是计算机中常用的一种操作,数据加密是云环境中常用的隐私保护策略。如何在不泄露明文信息的前提下实现基于密文的隐私保护排序,是一个难点问题。文中提出面向云环境的基于安全比较码的隐私保护排序方法。通过引入0-1编码和HMAC来构造安全比较码机制;数据所有者对其敏感数据进行加密和编码预处理,将生成的密文和安全比较码外包存储至云服务端;此时云服务器即可利用安全比较码实现无需明文数值参与的密文数据排序,从而实现针对数据拥有者外包数据的隐私保护排序。实验结果表明,隐私保护排序方法在时间和空间上均优于现有同类方法。