Beam Search（集束搜索/束搜索）

Beam Search（集束搜索/束搜索）

找遍百度也没有找到关于Beam Search的详细解释，只有一些比较泛泛的讲解，于是有了这篇博文。

首先给出wiki地址：http://en.wikipedia.org/wiki/Beam_search

1.简介

Beam Search（集束搜索）是一种启发式图搜索算法，通常用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。这样减少了空间消耗，并提高了时间效率，但缺点就是有可能存在潜在的最佳方案被丢弃，因此Beam Search算法是不完全的，一般用于解空间较大的系统中。

2.流程

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。如果集束宽度无穷大，那该搜索就是宽度优先搜索。

将初始节点插入到list中， 将给节点出堆，如果该节点是目标节点，则算法结束； 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。 算法结束的条件是找到最优解或者堆为空。

 

集束宽度可以是预先定好的，也可以是变动的，可以先按照一个最小的集束宽度进行搜索，如果没有找到合适的解，再扩大集束宽度再找一遍。

Ps. 个人认为集束搜索方法其实提供了一种找最优解的思路，就是说在适当的情况下，可以剪掉一些可信度低的路径，在实际使用中，可以每一层的集束宽度不一致，比如在初始的一些层次中多保留一些结果，在后边就可以放心大胆的进行剪枝。当然也可以活学活用，可以结合深度优先算法，通过回溯，可以找到最优解。

3.应用

Beam Search（集束搜索）多用在一些大型系统中，比如机器翻译系统，语音识别系统等，因为这些系统中的数据集可能非常大，而且结果也没有唯一正确的解，系统用最快的方式找到最接近正确的解才是系统的目标。