基于遗传算法的模式匹配系统优化技术
| 摘要 | 第1-5页 |
| 英文摘要 | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·课题背景 | 第8-9页 |
| ·课题研究内容 | 第9-10页 |
| ·课题研究意义 | 第10-11页 |
| ·文章组织结构 | 第11-13页 |
| 第二章 模式匹配概述 | 第13-21页 |
| ·模式匹配的基本知识 | 第13-15页 |
| ·模式匹配的相关概念 | 第13-14页 |
| ·模式匹配的应用领域 | 第14-15页 |
| ·模式匹配系统 | 第15-19页 |
| ·模式匹配方法 | 第16-17页 |
| ·模式匹配系统 | 第17-19页 |
| ·模式匹配的评价指标 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 模式匹配系统的优化调整问题 | 第21-26页 |
| ·问题的提出 | 第21-22页 |
| ·研究的难点 | 第22-23页 |
| ·研究现状 | 第23-24页 |
| ·本章小结 | 第24-26页 |
| 第四章 GATuner的设计与实现 | 第26-46页 |
| ·GATuner的整体框架 | 第26-28页 |
| ·匹配场景的构造过程 | 第28-35页 |
| ·数据模型转换 | 第28-30页 |
| ·匹配场景 | 第30-32页 |
| ·构造匹配场景 | 第32-35页 |
| ·基于遗传算法的优化调整过程 | 第35-45页 |
| ·遗传算法简介 | 第35-38页 |
| ·采用遗传算法的优越性 | 第38-39页 |
| ·优化调整过程的描述 | 第39-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 GATuner的优化改进 | 第46-61页 |
| ·并行遗传算法 | 第46-49页 |
| ·遗传算法的并行性分析 | 第47页 |
| ·遗传算法的并行模型 | 第47-49页 |
| ·基于CUDA平台的GPU并行计算 | 第49-52页 |
| ·GPU通用计算 | 第49-50页 |
| ·CUDA平台的体系结构 | 第50-52页 |
| ·基于CUDA平台的并行遗传算法的实现 | 第52-60页 |
| ·基于CUDA平台的遗传算法并行模型 | 第52-55页 |
| ·遗传操作的实现 | 第55-56页 |
| ·迁移操作的实现 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 实验结果与分析 | 第61-68页 |
| ·实验环境 | 第61-62页 |
| ·实验数据 | 第62-63页 |
| ·实验结果及分析 | 第63-67页 |
| ·本章小结 | 第67-68页 |
| 第七章 总结与展望 | 第68-70页 |
| ·全文总结 | 第68-69页 |
| ·进一步的工作 | 第69-70页 |
| 参考文献 | 第70-78页 |
| 攻读硕士学位期间发表的论文 | 第78-79页 |
| 致谢 | 第79页 |
