36、基于CPU - GPU协同计算加速模式匹配及增量地图匹配算法

基于CPU - GPU协同计算加速模式匹配及增量地图匹配算法

在当今的计算领域，模式匹配和地图匹配是两个重要的研究方向。模式匹配在文本处理、生物信息学等领域有着广泛的应用，而地图匹配则在城市交通分析、地理信息系统等方面发挥着关键作用。本文将介绍基于CPU - GPU协同计算的模式匹配加速方法以及一种基于加权最短路径的增量地图匹配算法。

基于CPU - GPU协同计算的模式匹配加速

在模式匹配中，PFAC（Parallel Failureless Aho - Corasick）算法是一种常用的算法。以下是PFAC算法的伪代码：

pos = start
state = initial state
while ( pos < text size ){
    if (there is no transition for the current state and input character)
        break
    state = next state for the current state and input character
    if (state is an output state)
        register the pattern located at the position "start"
    pos = pos + 1
}

为了提高模式匹配的效率，研究人员探索了不同的并行化策略。在多核处理器上，有将字典分割成块，每个块分配给一个线程的策略，用于解决生物信息学中字典比文本大且状态机生成时间长的问题。在CPU - GPU异构系