桶排序的并行优化算法摘要本文从桶排序出发，提出了新的并行的桶.doc

桶排序的并行优化算法 摘要：本文从桶排序出发，提出了新的并行的桶排序的程序实现方案，并把用于并行的额外开销减少到了一个比较理想的范围内。它的效率比原实现方式提高了41%，而且突破了原始桶排序内存的限制，使能桶排可以真正的处理大量数据。 关键词：优化 桶排序 并行 空间 引言： 排序可以说是在计算机中最常见的问题之一了，而且不论是在操作系统，人工智能，计算机网络还是各种应用，都对于排序有大量的需求，因此设计出来一种效率高，开销少的排序算法就显得格外重要。于此同时，随着计算机的高速发展，传统的单线程排序已经不能为人所接受，本文基于桶排序，提出了一种并行化的优化桶排算法，不同于原始桶排，该算法在时间复杂度上都有了35%的提高。同时这种桶排序，对于内存有很大开销，不利于处理大量数据，于是我们提出了基于链表的新的桶排序算法，在各个数据进桶时采用指针将各个数据练成一个表，而不是原始的拷贝方法，这种方法极大地减少了内存的使用，而且，研究又将链表方式的桶排序并行化，效率提高了。 原始桶排序： 桶排序的典型实现方式是基于数组的（Array-Based Bucket Sorting）,以下简称ABS。其物理结构如图所示。 数据规模为N时，图中的大小为N的一维数组用于存放数据，叫做Buckets的Buffer是一个10*N的二位数组，其中，第1行代表0号桶，第2行代表1号桶…….?以此类推。桶号对应了一个数字特定位的值。 其排序过程用一个例子说明：有2,10,22三个数依次排在一维数组中。首先，比较个位：从左到右依次取数，2的个位是2，放入2号桶（桶中也是从左到右依次排放）。取10，放入00号桶；取22，放入2号桶；然后对桶从上到下，从左到右依次遍历，取出数据，回填到一维数值中。此时一维数组中存放顺序是10，2,22；再比较十位，投入桶中并填回，此时一维数值中存放顺序是2,10,22。由于最大的位数是十位，故做两次即停止，排序完成。 从上例中可以看出，桶排序中有两个主要部分——“投桶”和“回填”；对于规模为N的排序，数据的最大位数为M时，排序的时间复杂度为O(MN),所以ABS的速度是很快的。 基于链表的桶排序（LBS） 桶排序算法的特点是快速，缺点也十分明显——内存占用量巨大。我们考察上述基于数组的桶排序，排序数据数量为N时，存储数据的一维数组大小为N，为了确保排序的正确性，每个桶的容量必须为N，共计10个桶。C++中，int型占4个字节，可知，所需的内存容量（C）有：C=（10+1）*N*4 Byte=44N Byte。以5千万个数为例，内存容量至少为2.0489G，值得注意的是，实际存数用的内存仅占1/11。桶排的缺点显然严重制约了其能处理的排序规模，直接削减了实际应用价值。因而，我们提出了极大改善这一缺点的实现算法：基于链表的桶排序（Linklist-Based Bucket Sorting），以下简称LBS。如图所示，用于存储数据的一维数组由链表代替，链表中的节点由两个属性组成：int型的数据值和指向下一个节点的指针。桶的构成如图所示。每个桶其实是指向一个节点的指针。“投桶”的过程为：从左到右遍历链表中的每个节点；对于一个特定节点，取其数据值，计算出对应桶号，在相应桶的队尾链入此节点。 这里，我们也将“回填”称为“拉直”，其过程为：从0号到9号，对于不为空的桶，将其队尾节点与下一个不为空的桶的头结点相连（即指针指向头结点）。这样衔接完成后，“弯曲”的链表就被拉直了，形成了更为有序的新链表。我们先从理论上比较LBS和ABS性能：投桶时，LBS中仅仅修改了节点的指针，而节点物理位置并未迁移，与ABS的数据复制本质相同，均为赋值，所以时间开销相近；回填时，LBS只需要做首尾连接，时间开销是常数的，而ABS需要将桶中的数据全部赋值回一维数组，时间开销是O（n），数据量越庞大，ABS回填越耗时，而LBS基本不用时间。与此同时，理论上的空间开销也大大消减。对于LBS，数据量为N时，必须的节点数为N，C++中指针占4个字节，所以必须内存C=(4+4)*N =8N Byte. N=5千万时，内存容量至少为381.47M，只有ABS的18.2%。 所以理论上建模的结果是：LBS在时空上均优于ABS，且空间节省上效果显著。 我们使用C++重新构造了基于LBS的桶排序，同样的硬软件环境下，排序的规模由ABS的不到5千万，到当前轻松上亿。经测试，最大规模接近三亿。至此，我们提升“桶排序可处理规模”的目标完全达到。 与此同时，对排序时间的测试数据如下表所示： 表中的数据与理论预期的结果完全不符——LBS用时远远大于ABS。进一步分析有：“回填”方面，LBS几乎不耗时间，绝对强于ABS；“投桶”方面，LBS每次都比ABS更耗时，而巨大的用时差距