通过定制Timsort可以有效地改善这些场景中的性能吗？

Question

我正在使用的数据集的一些特征显示以下趋势： -

1. 首先，50-70％的数组几乎按最后30％完全加扰排序。

   • 如果我用shell排序替换插入排序部分会有效吗？
     

2. 首先，50-70％的数组几乎按最后30％排序，其中包含大量数据 海龟。

   • 龟的发生是否如此重要，以至于我应该抛弃Timsort 这个梳子排序变化 - here。 他们最好的表现表现为O（n）但平均表现更好的Tim 用O（n log n）排序，而梳子排序有Ω（n log n），但这样做需要 梳子的修改版本或海龟的密度考虑在内？
     

3. 与第二种情况相同，但如果可以提高性能，则部分排序的输出很好。 例如，包含1,000,000个元素的数组可以具有最小的1％（即 10,000个元素）在数组的前1％槽中，但不需要在内部进行排序。

   • 这可以通过在快速排序中的某个递归深度后拉出来完成 把元素放在他们应得的地方附近。

如果它是相关的，那么我正在尝试修改Java的Timsort代码 - code。

Answer 1

我认为最好的答案是无法可靠地预测自定义TimSort是否会为您的数据集带来有价值的性能改进。您只需要尝试并查看。

我将从我的评论中重复我的建议：首先介绍它！

在您对代表性数据上运行的应用程序进行分析之前，您无法知道这是否有可能对此有所帮助。例如，如果计算仅花费其时间排序数据的5％，那么排序算法的50％加速将仅导致应用程序的2.5％加速。这根本不值得浪费你的时间。