پیشرفته‌سازی بهره‌وری مرتب‌سازی و بررسی کاربردهای پیچیده در طراحی الگوریتم

علیرضا اکبریان¹ آرین اکبریان²

1) دانشجوی کارشناسی مهندسی کامپیوتر، دانشگاه صنعتی شریف پردیس بین‌الملل، کیش
2) دانش‌آموز ریاضیات، کرمان

کد IOI مقاله : XKFK-AZGBFK
محل انتشار : هشتمین کنفرانس بین المللی پژوهش های کاربردی در علوم و مهندسی(8carse.com)
چکیده :
    یادگیری ماشین، تحلیل داده‌ها و هندسه محاسباتی استفاده می‌شوند. این مقاله تجزیه و تحلیل عمیقی از بهره‌وری مرتب‌سازی ارائه می‌دهد که بر الگوریتم‌های کلاسیک (QuickSort، MergeSort، HeapSort) و بهینه‌سازی آن‌ها از طریق موازی‌سازی، حافظه ترکیبی و ساختارهای داده پیشرفته متمرکز است. ما آثار بنیادین آهو، هاپکرفت و اولمن (1983) و کناف (1973) را مرور می‌کنیم که مبنای ارزیابی عملکرد و استراتژی‌های بهینه‌سازی را فراهم می‌آورد. پیشرفت‌های اخیر، از جمله معماری‌های موازی مرتب‌سازی در حافظه مانند IMC-Sort (Li et al., 2020)، برای افزایش کارایی محاسباتی بررسی می‌شود. علاوه بر این، این مطالعه کاربردهای پیچیده الگوریتم‌های مرتب‌سازی را بررسی می‌کند، مانند استفاده آن‌ها در دسته‌بندی ویدیوهای بدون ساختار (Morris & Kender, 2009) و مدل‌سازی بهره‌وری زیست‌محیطی برای سیستم‌های گرمسیری (Peters et al., 2013). یک رویکرد جدید مرتب‌سازی مبتنی بر شناسایی زیر دنباله‌های افزایش‌یافته طولانی‌ترین معرفی می‌شود که بر اساس کار قبلی ما (Akbarian & Keyhanipour, 2023) برای دستیابی به مرتب‌سازی بهینه دنباله‌ها است. با ترکیب تکنیک‌های کلاسیک با نوآوری‌های مدرن، این مقاله به تکامل مداوم الگوریتم‌های مرتب‌سازی کمک می‌کند و اهمیت آن‌ها را در حوزه‌های مختلف و پتانسیل آن‌ها برای برآوردن نیازهای چالش‌های محاسباتی آینده برجسته می‌کند.

کلمات کلیدی : الگوریتم‌های مرتب‌سازی بهینه‌سازی بهره‌وری در الگوریتم‌ها طولانی‌ترین دنباله افزایش‌یافته محاسبات موازی