串匹配算法广泛应用于生物信息学、信息检索等领域。随着基因数据和网络数据的爆炸式增长，对串匹配算法的性能也提出更高的要求。 本文从计算机体系结构的角度出发，立足于开发串匹配算法的数据并行性和提高算法的cache性能。本文的主要工作包括： （1） 基于SIMD指令集的动态规划算法数据并行性开发与实现研究。 动态规划是模糊串匹配和序列联配中的基本算法。一类动态规划算法以Smith-Waterman算法为代表，计算复杂度为O（n²）；一类是以Zuker算法为代表，计算复杂性为O（n³）。本文分析了两类动态规划算法的数据依赖关系及其数据并行性。基于前驱计算思想，优化设计了Smith-Waterman算法，充分挖掘了算法的数据并行性，并基于SIMD指令集实现，数倍提高了该算法性能。通过设计辅助矩阵，有效组织数据，优化设计了Zuker算法，对于较大的数据规模，获得了接近理论值的加速比。 （2） 基于组合字符集的高性能shift-or算法研究 Shift-or算法广泛应用于内容过滤领域。基本的shift-or算法以char类型的字符集合作为字符集，因而状态转换单位为8bits。本文通过组合NFA的状态，建立∑_short上的NFA，状态转换单位提高为short型整数，显著降低了自动机状态转换次数，提高了计算效率。 （3） 面向位并行的低内存开销高性能关键词表达式匹配算法研究 关键词表达式匹配算法是一类重要的串匹配算法。本文面向位并行，利用four-russian和分治等优化方法设计了新的关键词表达式匹配算法，可提高计算效率、降低内存开销。