Beam Search（集束搜索/束搜索）

找遍百度也沒有找到關於Beam Search的詳細解釋，只有一些比較泛泛的講解，因而有了這篇博文。

首先給出wiki地址：http://en.wikipedia.org/wiki/Beam_search

1.簡介

Beam Search（集束搜索）是一種啓發式圖搜索算法，一般用在圖的解空間比較大的狀況下，爲了減小搜索所佔用的空間和時間，在每一步深度擴展的時候，剪掉一些質量比較差的結點，保留下一些質量較高的結點。這樣減小了空間消耗，並提升了時間效率，但缺點就是有可能存在潛在的最佳方案被丟棄，所以Beam Search算法是不徹底的，通常用於解空間較大的系統中。

2.流程

Beam Search（集束搜索）使用廣度優先策略創建搜索樹，在樹的每一層，按照啓發代價對節點進行排序，而後僅留下預先肯定的個數（Beam Width-集束寬度）的節點，僅這些節點在下一層次繼續擴展，其餘節點就被剪掉了。若是集束寬度無窮大，那該搜索就是寬度優先搜索。

將初始節點插入到list中， 將給節點出堆，若是該節點是目標節點，則算法結束； 不然擴展該節點，取集束寬度的節點入堆。而後到第二步繼續循環。 算法結束的條件是找到最優解或者堆爲空。

 

集束寬度能夠是預先定好的，也能夠是變更的，能夠先按照一個最小的集束寬度進行搜索，若是沒有找到合適的解，再擴大集束寬度再找一遍。

Ps. 我的認爲集束搜索方法其實提供了一種找最優解的思路，就是說在適當的狀況下，能夠剪掉一些可信度低的路徑，在實際使用中，能夠每一層的集束寬度不一致，好比在初始的一些層次中多保留一些結果，在後邊就能夠放心大膽的進行剪枝。固然也能夠活學活用，能夠結合深度優先算法，經過回溯，能夠找到最優解。

3.應用

Beam Search（集束搜索）多用在一些大型系統中，好比機器翻譯系統，語音識別系統等，由於這些系統中的數據集可能很是大，並且結果也沒有惟一正確的解，系統用最快的方式找到最接近正確的解纔是系統的目標。