Linear Convection Sort

Shreyas S. Moudgalya


Sorting is one of the most fundamental computational problems that can never be permanently resolved. It has become a stand in need of our daily life activities. Sorting helps to organize data in proper order. In turn it helps to improve the ability to find data in the data structures. Each algorithm has its own restrictions as well as its advantages. Efficiency of the code depends on various parameters such as the CPU (time) Usage, memory usage, disk usage and network usage. But time complexity is considered to be the most important deciding parameter of a give piece of algorithm. The analysis of efficiency of algorithm may also depend considerably on the nature of the data. For example, if the original data set already is almost ordered, a sorting algorithm may behave rather differently than if the data set originally contains random data or is ordered in the reverse direction. Similarly, for many sorting algorithms, it is difficult to analyse the average-case complexity. Generally speaking, the difficulty comes from the fact that one has to analyse the time complexity for all inputs of a given length and then compute the average. This paper proposes a new algorithm which is called as the linear convection sort that is more efficient for sorting a comparatively small set of data much faster than other sorting techniques.


Le tri est un des problèmes les plus fondamentaux en informa tique qui ne peut jamais être résolu en permanence. Il est devenu un besoin dans nos activités quotidiennes. Le tri permet d’organiser les données dans le bon ordre. À son tour, ceci permet d’améliorer la capacité de retrouver des données dans des banques de données. Chaque algorithme détient ces propres restrictions et avantages. L’efficacité du code dépend de divers paramètres tels que l’utilisation CPU (temps de calcul), la mémoire d’utilisation, l’utilisation de disque et l’utilisation de réseau. Mais la complexité du temps est considérée comme le paramètre le plus important dans la détermination de la pièce donnée de l’algorithme. L’analyse de l’efficacité d’un algorithme peut aussi dépendre considérablement sur la nature des données. Par exemple, si l'ensemble de données original est déjà presque ordonné, un algorithme de tri peut agir différemment plutôt que si l’ensemble de données contient initialement des données aléatoires ou est ordonné dans le sens inverse. De même, pour de nombreux algorithmes de tri, il est difficile d'analyser la complexité du cas moyen. D'une manière générale, la difficulté vient du fait que l'on doit analyser la complexité de temps pour toutes les entrées d'une longueur donnée et ensuite calculer la moyenne. Cet article propose un nouvel algorithme appelé le tri de convection linéaire qui est plus efficace pour le tri d'un ensemble de données relativement petit et beaucoup plus rapide que tout autre technique de tri.


Time Complexity; Efficiency; Data Structures; Linear Convection Sort; Complexité Temps; Efficacité; Structures de Données; Linear Convection Trier.

Full Text:




  • There are currently no refbacks.

Copyright (c) 2015 Journal of Student Science and Technology