افزایش کارایی مرتب سازیquicksort با مدل انتخابی مبتنی بر شبکه عصبی

مرتب سازی سریع یکی از محبوب ترین الگوریتم های مرتب سازی است که براساس روش تقسیم و تسخیر میباشد و محبوبیت گسترده ای به عنوان سریعترین روش همه منظوره مرتب سازی دارد. اگرچه این روش موفق به جداکردن پارتیشن بزرگ به کوچک میشود، مرتب سازی سریع هنگامی که پارتیشن ها کوچک باشد به کندی اجرا میشود، بنابراین برای اتمام مرتب سازی فرآیندها از طریق استفاده از یک الگوریتم مرتب سازی متفاوت راه حل بسیار محتملی است. این نوع مرتب سازی زمان اجرای کلرا به حداقل میرساند اما به یک الگوریتم مرتب سازی ثابت در یک نقطه ثابت- قطع می رود. برای مقابله با این مشکل، یک مدلپویا پیشنهاد شده است که یک الگوریتم مرتب سازی سریع تر برای پارتیشن کوچک میتوانیم انتخاب کنیم. این مدل ادامهی مرتب سازی سریع می باشد به طوری که نقطه برش نیز انعطاف پذیرتر است. برای این اجرای الگوریتمهای هوشمند، انتخاب مدل شبکههای عصبی مصنوعی را با توجه به ویژگیهای معماری غیر مقایسهای، زمان ثابت و کم هرینه بودن را ترجیح دادهایم. با وجوداین واقعیت است که پیدا کردن بهترین الگوریتم مرتب سازی با استفاده از شبکه عصبی باعث برخی از زمان های اضافی محاسباتی می شود و افرایش زمان ادرای کل می شود. در نتیجه، یک نوع سریع تر از مرتب سازی سریع با استفاده از شبکه مصنوعی عصبی مبتنی بر روش انتخاب الگوریتم اجرا شده است. نتایج تجربی الگوریتم پیشنهادی و چندین الگوریتم دیگر سریع مرتب سازی ارائه شده, مقایسه و بحث شده است