Ich benutze es die ganze Zeit, eigentlich mehr als vergleichsbasierte Sorten, aber ich bin zugegebenermaßen ein merkwürdiger Typ, der mehr mit Zahlen als mit irgendetwas anderem arbeitet (ich arbeite kaum jemals mit Zeichenfolgen und sie werden in der Regel interniert, wenn ja, zu welchem Zeitpunkt Das Sortieren kann wieder nützlich sein, um Duplikate herauszufiltern und Schnittmengen zu berechnen (lexikografische Vergleiche führe ich praktisch nie durch).
Ein grundlegendes Beispiel ist das Sortieren von Radix-Punkten nach einer bestimmten Dimension als Teil einer Suche oder einer Medianaufteilung oder eine schnelle Methode zum Erkennen von übereinstimmenden Punkten, zum Sortieren von Tiefenfragmenten oder zum Sortieren eines Arrays von Indizes, die in mehreren Schleifen verwendet werden, um einen cachefreundlicheren Zugriff zu ermöglichen Muster (nicht im Speicher hin und her gehen, nur um wieder zurück zu gehen und den gleichen Speicher in eine Cache-Zeile zu laden). Zumindest in meiner Domäne gibt es eine sehr umfangreiche Anwendung (Computergrafik), um nur nach 32-Bit- und 64-Bit-Ziffernschlüsseln mit fester Größe zu sortieren.
Eine Sache, auf die ich eingehen wollte, ist, dass die Radix-Sortierung mit Gleitkommazahlen und Negativen arbeiten kann, obwohl es schwierig ist, eine FP-Version zu schreiben, die so portabel wie möglich ist. Auch wenn es sich um O (n * K) handelt, muss K nur die Anzahl der Bytes der Schlüsselgröße sein (Beispiel: Eine Million 32-Bit-Ganzzahlen würde im Allgemeinen 4-Byte-Durchgänge benötigen, wenn sich 2 ^ 8 Einträge im Bucket befinden ). Das Speicherzugriffsmuster ist in der Regel auch wesentlich cachefreundlicher als QuickSorts, obwohl es in der Regel ein paralleles Array und ein kleines Bucket-Array benötigt (das zweite Array passt normalerweise gut in den Stapel). QS führt möglicherweise 50 Millionen Swaps durch, um ein Array von einer Million Ganzzahlen mit sporadischen Direktzugriffsmustern zu sortieren. Die Radix-Sortierung kann dies in 4 linearen, Cache-freundlichen Übergängen über die Daten tun.
Das Fehlen eines Bewusstseins, dies mit einem kleinen K bei negativen Zahlen zusammen mit Gleitkommazahlen zu tun, könnte jedoch sehr wohl erheblich zur mangelnden Beliebtheit von Radix-Sorten beitragen.
Was meine Meinung darüber betrifft, warum Leute es nicht häufiger verwenden, kann es sein, dass viele Domains im Allgemeinen keine Nummern sortieren oder als Suchschlüssel verwenden müssen. Aufgrund meiner persönlichen Erfahrung haben viele meiner ehemaligen Kollegen es jedoch auch nicht in Fällen verwendet, in denen es perfekt geeignet war, und teilweise, weil sie nicht wussten, dass es für die Bearbeitung von FPs und Negativen geeignet ist. Abgesehen davon, dass es nur mit numerischen Typen funktioniert, wird es oft als noch weniger allgemein anwendbar angesehen, als es tatsächlich ist. Ich würde es auch nicht annähernd so oft gebrauchen, wenn ich denken würde, dass es bei Gleitkommazahlen und negativen ganzen Zahlen nicht funktioniert.
Einige Benchmarks:
Sorting 10000000 elements 3 times...
mt_sort_int: {0.135 secs}
-- small result: [ 12 17 17 22 52 55 67 73 75 87 ]
mt_radix_sort: {0.228 secs}
-- small result: [ 12 17 17 22 52 55 67 73 75 87 ]
std::sort: {1.697 secs}
-- small result: [ 12 17 17 22 52 55 67 73 75 87 ]
qsort: {2.610 secs}
-- small result: [ 12 17 17 22 52 55 67 73 75 87 ]
Und das ist nur mit meiner naiven Implementierung ( mt_sort_intist auch eine Radix-Sortierung, aber mit einem schnelleren Code-Zweig, vorausgesetzt, er kann annehmen, dass der Schlüssel eine Ganzzahl ist). Stellen Sie sich vor, wie schnell eine von Experten geschriebene Standardimplementierung sein könnte.
Der einzige Fall , in dem ich den Radixsort gefunden schlechter als C ++ ergehen s wirklich schnell Vergleich Basis std::sortfür eine wirklich kleine Anzahl von Elementen war, 32 sagt, an welcher Stelle ich glaube , std::sortbeginnen Sorten besser geeignet für die kleinste Anzahl von Elementen wie heapsorts mit oder Einfügung sortiert, obwohl zu diesem Zeitpunkt meine Implementierung nur verwendet std::sort.