C# 部分排序算法，为什么会有这样的性能差异？

我有一个随机生成的数字列表，其中包含1900个数字，我想获得前190个数字的排序列表。我已经编写了两个版本的部分排序算法，第一个是CPU版本，第二个是为了在Cudafy.net上运行而编写的。但是它们之间的执行时间有很大的差异，当在CPU上运行时，，我想知道是否有人能解释一下为什么，+是否有可能进一步加快第二个版本的速度

注意：第二个算法将在GPU上运行，因此我不能使用linq或任何不能在C上运行的算法，因为我将使用cudafy.net来运行代码。不幸的是，cudafy.net也不支持锯齿阵列

第1版：

//
///按顺序运行数组中的所有值，并确定
///当前数字小于排序列表中的最高数字。
/// 
///未排序的数字数组。
///用于保存已排序数字的部分列表的数组。
公共静态无效新闻分拣机（int[]编号，int[]分拣编号）
{
for（int i=0；i编号[i]）
{
//更新号码
识别位置（分类编号，编号[i]）；
}
}
}
/// 
///标识编号应放置在已排序编号的部分列表中的位置。
/// 
///用于保存已排序数字的部分列表的数组。
///要插入的数字。
静态void identificationposition（int[]sortedNumber，int NewNumber）
{
对于（int i=0；i位置；i--）
{
分拣编号[i]=分拣编号[i-1]；
}
分拣编号[位置]=新编号；
}

上述版本在约0.65毫秒内执行

第2版：

//
///按顺序运行数组中的所有值，并确定
///当前数字小于排序列表中的最高数字。
/// 
///未排序的数字。
///数组的长度。
///数组，其中将包含已排序数字的部分列表。
[库达菲]
公共静态void CudaSorter（GThread线程，长[，]未排序的编号，int[]回溯计数，长[，]已排序的编号）
{
int threadIndex=thread.threadIdx.x；
int blockIndex=thread.blockIdx.x；
int threadsPerBlock=thread.blockDim.x；
int-gpuThread=（threadIndex+（blockIndex*threadsPerBlock））；
如果（gpuThread<32）
{
int maxIndex=（lookbackCount[gpuThread]*10）/100；
int maxLookback=lookbackCount[gpuThread]；
对于（int i=0；i未分类编号[gpuThread，i]）
{
//更新号码
识别位置2（分类编号、未分类编号[gpuThread，i]、maxIndex、gpuThread）；
}
}
}
}
/// 
///标识SortedNumber数组中应放置新编号的位置。
/// 
///已排序的数字。
///要包含在排序数组中的编号。
///SortedNumber数组的长度。
///GPU线程索引。
[Cudafy（eCudafyType.Device）]
公共静态void CUDAIDIdentityPosition（长[，]个SortedNumber，长newNumber，int maxIndex，int gpuThread）
{
对于（int i=0；i位置；i--）
{
SortedNumber[gpuThread，i]=SortedNumber[gpuThread，i-1]；
}
SortedNumber[gpuThread，position]=新编号；
}

上述操作的执行时间为2.8毫秒，即大约慢4倍

我已经尝试了以下方法：

为

maxLookBack

count声明局部变量，并在for循环中使用该变量=>无改进

将数据类型从

long[，]

更改为

int[，]

=>2.6毫秒（这不可行，因为我需要使用long。）

将

int[，]

更改为

int[]

=>1.3毫秒（这也不可行，因为我需要将多个数组传递给GPU以保持其占用）。我很惊讶这对时间的影响有多大

编辑：由于Henk的评论，我修改了代码。我现在用

unsortedNumbers[321900]

在GPU上运行GPU版本，而不是在CPU排序1阵列上运行单个线程。即使我将CPU时间乘以32，它仍然比GPU的时间低很多

---

在这里受辱之后，我决定读一点关于这项任务的书，以了解它是关于什么的

因此，您需要从一个大数组中选择一个最小数的子数组，然后需要对其进行排序。很可能是打赌