非线性关联交换的多对一模式匹配与序列变量
摘要：模式匹配是一种强大的工具，是许多函数式编程语言以及Mathematica等计算机代数系统的一部分。在现有系统中，Mathematica提供了最具表达性的模式匹配功能。不幸的是，没有开源替代方案具有可比较的模式匹配能力。特别是，这些功能包括对关联和/或可交换函数符号以及序列变量的支持。尽管这些功能已经是以前研究的对象，但它们的全面组合尚未得到研究。此外，在许多应用中，固定的模式集合会被重复地与不同的主题进行匹配。通过利用模式之间的相似性，可以加快这种多对一的匹配。在许多对一匹配上，判别树是最先进的解决方案。在本论文中，提出了一个支持完整功能集的广义判别树。所有算法都已经作为Python的开源库实现。在真实世界的实例实验中，观察到了多对一匹配相对于一对一匹配的显着加速。
作者：Manuel Krebber
论文ID：1705.00907
分类：Symbolic Computation
分类简称：cs.SC
提交时间：2017-05-03