正则表达式具有灵活高效的特点,同时还有着强大的表达能力,在许多领域中被广泛应用。非确定性有限自动机是实现正则表达式应用的重要方法,Glushkov自动机是一种不同于Thompson自动机的非确定性有限自动机。Glushkov自动机有两大优点:第一,Glushkov自动机状态数目等于m+1（其中m为正则表达式非操作符长度）;第二,Glushkov自动机每一个状态的所有输入都是同一个字符。Glushkov自动机和比特并行方法相结合是当前最常用的正则表达式匹配手段,例如Navarro-Raffinot方法（简称NR方法）和按自动机状态分类进行状态转换的方法（简称分类状态转换方法）。空间消耗是影响模式匹配方法性能的关键因素之一,上述方法在正则表达式长度增大时会引发空间消耗的急剧增大,从而影响模式匹配方法的时空性能,因此降低空间开销对于模式匹配方法来说至关重要。基于此背景,本文提出将Glushkov自动机等价状态进行合并,得到改进的Glushkov自动机,并将其应用于本文提出的异构状态转换方法中,主要贡献如下:基于左等价关系和粗右等价关系得到改进的Glushkov自动机,改进的Glushkov自动机通过合并Glushkov自动机中的等价状态,将状态数目从m+1降低至m1,将分支状态数（Glushkov自动机中分支状态数等于正则表达式子串数加1）由k+1降低至k1。本文首次证明了改进的Glushkov自动机应用于比特并行方法中的可行性,在改进的Glushkov自动机上应用NR方法将空间开销从NR 方法的0（m2m）bits 降低至O(m12m1)bits。基于改进的Glushkov自动机和分类状态转换方法,本文首次引入了 BMI2指令集中的新型指令PDEP和PEXT实现了改进Glushkov自动机的高性能处理,提出了基于改进的Glushkov自动机的异构状态转换方法（异构状态转换方法）。该方法将模式匹配过程中最坏情况下的空间开销从NR方法和分类状态转换方法的0（m2m）bits和O（m2k）bits降低至O(k2k1)bits,平均空间开销为k（1+1/σ）k1 bits。实验证明,本文提出的异构状态转换方法能够完全实现预期的匹配要求,空间开销降低至分类状态转换方法的9.3%-55.5%,匹配速度也因有效的规模压缩而得到了巨大的提升。这意味着本文所提出的异构状态转换方法解决了空间开销高的问题,为模式匹配方法提供了一条新思路。