最近比较闲啦~是大四上学期 去了研究生导师那里 所以就开始瞎学习了一些知识 打算把一些自己学的记录下来啦~
1.概念
Beam Search（集束搜索）：是一种启发式图搜索算法，在图的解空间比较大的情况下，为了减少搜索所占用的空间和时间，在每一步深度扩展的时候，剪掉一些质量比较差的结点，保留下一些质量较高的结点。
好处：减少了空间消耗，并提高了时间效率。
（补充说明：启发式搜索是利用问题拥有的启发信息来引导搜索，达到减少搜索范围、降低问题复杂度的目的）
2.过程
Beam Search（集束搜索）：使用广度优先策略建立搜索树在树的每一层，按照启发代价对节点进行排序，然后仅留下预先确定的个数（Beam Width-集束宽度）的节点，仅这些节点在下一层次继续扩展，其他节点就被剪掉了。
（注意：如果集束宽度无穷大，那该搜索就是宽度优先搜索）
步骤如下：
1.将初始节点插入到list中，
2.将给节点出堆，如果该节点是目标节点，则算法结束；
3.否则扩展该节点，取集束宽度的节点入堆。然后到第二步继续循环。
4.算法结束的条件是找到最优解或者堆为空。
3.图解（来自引用）
得到第一个输出的概率分布[0.1,0.1,0.3,0.4,0.1][0.1,0.1,0.3,0.4,0.1]，选择概率最大的前两个，0.3和0.4，即Je和moi。 然后Je和moi分别作为Decoder的输入，得到两个概率分布，然后再选择概率和最大的前两个序列，0.3+0.8和0.4+0.6，即Je suis和moi suis。 以此类推，最终可以得到两个序列，即Je suis étudiant和moi suis étudiant，很明显前者的概率和最大，为2.2，所以这个序列是最终得到的结果。
集束搜索本质上也是贪心的思想，只不过它考虑了更多的候选搜索空间，因此可以得到更多的翻译结果。
（贪心思想：在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，他所做出的是在某种意义上的局部最优解）
参考来源：https://blog.csdn.net/guolindonggld/article/details/79938567
4.补充
其他应用：
在seq2seq中在test阶段使用了beam search来寻找解码时最优的结果，我们假设集束宽度为2，词典大小为3 设为（a,b,c），那么其解码过程如下所示:
1.生成第1个词的时候，选择概率最大的2个词，假设为a,c，那么当前序列就是a,c；
2.生成第2个词的时候，我们将当前序列a和c，分别与词表中的所有词进行组合，得到新的6个序列aa ab ac ca cb cc，然后从其中选择2个得分最高的，作为当前序列，加入aa cb
3.后面不断重复这个过程，直到遇到结束符为止。最终输出2个得分最高的序列
参考来源：beam search算法 - wolfrevoda的专栏 - CSDN博客
finally~
第一篇 希望自己以后可以坚持鸭~
又是不想学习的一天呢~