清华大学出版社 《数据结构与算法》赵玉兰 等编著第8章.pptVIP

第8章 外部排序 8.1 外部排序的方法 8.1.1 外部排序的方法 8.1.2 多路平衡归并 8.1.3 置换-选择排序 8.2 最佳归并树 当记录以文件的形式存于磁盘上时，其排序过程主要分为两个阶段： 例：设有一个包含4500个记录的输入文件。现用一台其内存至多可容纳750个记录的计算机对该文件进行排序。输入文件放在磁盘上，磁盘每个页块可容纳250个记录, 这样全部记录可存储在 4500 / 250＝18 个页块中。输出文件也放在磁盘上, 用以存放归并结果。 若把内存区域等份地分为 3 个缓冲区。其中的两个为输入缓冲区, 一个为输出缓冲区, 可以在内存中利用简单 2 路归并函数 merge( ) 实现 2 路归并。 首先, 从参加归并排序的两个输入归并段 R1 和 R2 中分别读入一块, 放在输入缓冲区1 和输入缓冲区2 中。然后在内存中进行 2 路归并，归并结果顺序存放到输出缓冲区中。 一般地，若总元素个数为n，磁盘上每个页块可容纳b个元素，内存缓冲区可容纳i个页块，则每个初始归并段长度为len = i * b，可生成m = ?n / len? 个等长的初始归并段。在做2路归并排序时，第一趟从m个初始归并段得到 ?m/2? 个归并段，以后各趟将从p (p 1) 个归并段得到 ?p / 2? 个归并段，总归并趟数等于归并树的高度 ?logm?。 若总记录个数为 n，磁盘上每个页块可容纳 b 个记录，内存缓冲区可容纳 i 个页块，则每个初始归并段长度 为 len = i * b，可生成 m = ?n/len? 个初始归并段。 在做 2 路归并排序时, 第一趟从 m 个初始归并段得到 ?m/2? 个归并段，以后各趟将从 l (l 1) 个归并段得到 ?l /2? 个归并段。总归并趟数为 ?log2m? 对 4500 个记录进行排序的例子, 各种操作的计算时间如下： 产生初始归并段： 读 18 个输入块, 内部排序6次, 写18个输出块 ＝6 tIS＋36 tIO 归并趟数 S＝ ?logkm? 增大归并路数k, 可减少归并趟数S, 从而减少总读写磁盘次数d。 8.1.2 多路平衡归并 (k-way Balanced merging) 从8.1式可以看出增大归并路数k可以减少归并趟数S。图8.2给出对有6个初始归并段的文件做3路平衡归并时的归并树，可以看出只需要归并两趟。 从上例看到好像k越大越好，但是从下面的讨论中又看到单纯增加k将导致增加内部归并的时间。例如对n个元素的文件，做内部k路归并时，在k个元素中选择最小者，需要顺序比较k-1次。每趟归并产生含有u个元素的归并段时，需要做(u-1)*(k-1)次比较，S 趟归并总共需要的比较次数为： S*(u-1)*(k-1) = ?logkm? * (u-1) * (k-1)= ?logm? * (u-1) * (k-1) / ?logk? 在初始归并段个数m与元素个数u一定时， ?logm?*(u-1)是一个常数，而(k-1) / ?logk?在k增大时趋于无穷大。因此，增大归并路数k，会使得内部归并的时间增大。当k增加到一定程度时，可能就抵消了由于减少读写磁盘次数而赢得的时间。 当然我们还可以使用下面将要讲到的“败者树”的方法从k个归并段中选最小者，当k较大时（k ?6），用败者树选出排序码最小的元素只需比较?logk?次（小于k-1次）。此时，S趟归并总共需要的比较次数为： S*(u-1)*?logk? = ?logkm?* (u-1) * ?logk? = ?logm? * (u-1) * ?logk? / ?logk? = ?logm? * (u-1) 从得到的式子可以看出总的排序码比较次数与k无关，也就是说总的归并时间不会随k的增大而增大。因此，只要内存空间允许，增大归并路数k，将有效地减少归并树深度，从而减少读写磁盘次数d，提高外部排序的速度。 失败者树:所谓败者树是一棵正则的完全二叉树，其中每个叶结点存放当前参加比较的元素；每个非叶结点存放其子女结点中排序码大的结点（即败者），让二者中的小排序码去参加更上一层的比较，当到达根结点时，根中仍存放其左、右子中较大排序码，得到的小排序码就是目前序列的最小排序码。 设有5个初始归并段，m0=[6，16，∞]、m1=[8，12，∞]、m2=[30，38，∞]、m3=[9，22，∞]、m4=[20，40，，90，∞]，其中∞为段结束标志MaxNum，开始进行5路归并，每个归并段有一个排序码参加归并，每个非叶结点中的段号为其左、右子女中的排序码大的元素所在的段号（败者），数组Ls存放比较过程的结果，如图8.3中，Ls[2]=0（即段m