অ্যালগরিদম বাছাই করা যেমন প্রতিটি উপাদানকে বারের সাথে তুলনা করা হয় এবং এটি বাছাই করা নেটওয়ার্কের উপর নির্ভর করে না

নেটওয়ার্কগুলি বাছাইয়ের ক্ষেত্রে হ্রাস না করে এমন কোনও পরিচিত তুলনা বাছাই করা অ্যালগরিদম যেমন প্রতিটি উপাদানকে বারের সাথে তুলনা করা হয় ? $O(\log n)$

যতদূর আমি জানি, প্রতিটি উপাদানের সাথে তুলনা বাছাই করার একমাত্র উপায় হ'ল ইনপুটগুলির জন্য একটি এসএস বাছাই নেটওয়ার্ক তৈরি করা এবং বাছাইকরণ নেটওয়ার্কে ইনপুট চালানো। $O(\log n)$ $n$

একেএস বাস্তবায়ন করা সহজ নয় এবং এতে অবৈধ ধ্রুবক উপাদান রয়েছে, তাই অন্যান্য অ্যালগোরিদমগুলি অনুসন্ধান করার জন্য অনুপ্রেরণা রয়েছে।

সাথে আইটেমের তুলনা সহ একটি অ্যালগরিদম যা এখানে বাছাইয়ের নেটওয়ার্কটিকে বোঝায় না বলে মনে হয় । (প্রথমত, এটি প্রথম রনি জনসন স্টনি ব্রুকের অ্যালগরিদম সেমিনারে উপস্থাপন করেছিলেন)। $O(\log^2 n)$

ds.algorithms sorting sorting-network

— চাও কু
সূত্র

আমি প্রশ্নটি বুঝতে পারছি না: অনেকগুলি অনুক্রমিক অ্যালগরিদমগুলি আপনার অনুরোধের সাথে সামঞ্জস্যপূর্ণ বলে মনে হচ্ছে। উদাহরণস্বরূপ: মার্জ বাছাই একটি ধ্রুপদী বাছাই করা অ্যালগরিদম, এবং প্রতিটি উপাদান হিসাবে comparison তুলনা করে না । সম্ভবত আপনি সমান্তরাল বাছাই অ্যালগরিদম সম্পর্কে জিজ্ঞাসা করছেন?

\log n

$\log n$

— জেরেমি

@Jeremy: আপনি দুই তালিকা, একত্রীকরণ তাহলে এবং , আপনি আপ তুলনা শেষ হতে পারে প্রতিটি বিরুদ্ধে , যে এক উপাদান প্রতি তুলনা। এবং এটি ছিল মাত্র একটি "মার্জ" পদক্ষেপ। অবশ্যই তুলনার গড় সংখ্যা অগত্যা কম, তবে প্রশ্নটি সবচেয়ে খারাপ ক্ষেত্রে জটিলতা সম্পর্কে ।

(a_{1}, . . ., a_{n})

$(a_1, ..., a_n)$

(b_{1}, . . ., b_{n})

$(b_1, ..., b_n)$

a_{1}

$a_1$

b_{1}, . . ., b_{n}

$b_1, ..., b_n$

Ω (n)

$\Omega(n)$

— Jukka Suomela

আমি বিশ্বাস করি এটি সম্ভব। বাছাই করা নেটওয়ার্কগুলি ডেটা বিস্মৃত এবং তুলনা করার পূর্বনির্ধারিত পদ্ধতি রয়েছে, তবে একটি বাছাই করা অ্যালগরিদম ডেটার উপর নির্ভর করে বিভিন্ন ক্রিয়াকলাপের মধ্যে চয়ন করতে সক্ষম হতে পারে। ওয়ান element সাথে প্রতিটি উপাদানের তুলনা করে কেউ একত্রীকরণ সাজানোর পরিবর্তন করতে পারেন , এবং reddit.com/comments/9jqsi/…

O (\log^{2} n)

$O(\log^2 n)$

— চাও Xu

জুক্কা: ধন্যবাদ, আমি আপনার বক্তব্য পেয়েছি। কিন্তু যে শুধু যখন সাদাসিধা মার্জ ব্যবহার করছে: এক মার্জ করতে পারবেন সঙ্গে অনুসন্ধান দ্বিগুন প্রতিটি উপাদান, যা এখনও হয় স্থাপন করতে ব্যবহার তুলনা সবচেয়ে খারাপ ক্ষেত্রে মোট কিন্তু সর্বাধিক উপাদানের তুলনায় তুলনা, যা চাও দ্বারা ইঙ্গিত করা একত্রিতকরণের সংস্করণের সংস্করণ দেয়।

(a_{1}, \dots, a_{n})

$(a_1,\ldots,a_n)$

(b_{1}, \dots, b_{n})

$(b_1,\ldots,b_n)$

n

$n$

\lg n

$\lg n$

— জেরেমি

এখন একটি নতুন সম্পর্কিত (তবে আশাকরি অনেক সহজ) প্রশ্ন রয়েছে: cstheory.stackexchange.com/questions/8073/…

— Jukka Suomela

মাইকেল টি। গুডরিচের সাথে এটি আলোচনা করার পরে, মনে হয় যে পূর্বের প্র্যামের জন্য কোলের সমান্তরাল বাছাই করা অ্যালগরিদম কাজটি করে। দেখা

রিচার্ড কোল: " সমান্তরাল মার্জ বাছাই "। সিয়াম জে। কম্পিউটার। 17 (4): 770-785 (1988)।

সেই অ্যালগরিদমে রাউন্ড রয়েছে এবং প্রতিটি রাউন্ডে প্রতিটি উপাদান তুলনায় অংশ নেয় । (একেকটি অ্যালগরিদমটি বুঝতে হবে যে আমরা প্রতিটি উপাদানগুলির অনুলিপি তৈরির অপব্যবহার করি না)) $O(\log n)$ $O(1)$

সমান্তরাল পয়েন্টার মেশিনের জন্য সেই অ্যালগরিদমের একটি এক্সটেনশন দেওয়া হয়েছে

এমটি গুডরিচ, এসআর কোসারাজু: " এক্সপ্রেশন মূল্যায়ন নির্ধারণের জন্য অ্যাপ্লিকেশন সহ একটি সমান্তরাল পয়েন্টার মেশিনে বাছাই করা "। জে এসিএম 43 (2): 331-361 (1996)।

— কেউ
সূত্র

আমরা জানতে চাই আপনি কে! : ডি

— তাইফুন পে

@ সোমোন হলেন সার্জিও ক্যাবেলো

— কেউ

@someone। এই উত্তরের জন্য Ty। এটি EREW মডেলের ফলাফলগুলি উল্লেখ করে। এটির এক্সক্লুসিভ রিড এবং এক্সক্লুসিভ রাইটিং মডেল যেহেতু, এর অর্থ হল যে সমস্ত অবস্থানগুলি প্রতিটি রাউন্ডে সর্বাধিক ও (1) সময়ে স্পর্শ করা হয় এবং সুতরাং পুরোপুরি বার। এটি কি প্রতি উপাদান উপাদান তুলনা ব্যবহার করে র‌্যামের (বা এমনকি ইআরডাব্লু মডেল) মাঝারি সন্ধানের জন্য একটি সরল আলগোরিদম বোঝায় ?

O (\log n)

$O(\log n)$

O (\log n)

$O(\log n)$

— ভিকে 1