beam search和greedy search Python代码实现

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。

关于理论部分请看链接：
https://www.zhihu.com/question/54356960

Python代码如下：

from math import log
import numpy as np


def beam_search_decoder(data, k):
    sequences = [[list(), 1.0]]

    for row in data:
        all_candidates = list()

        for i in range(len(sequences)):
            seq, score = sequences[i]
            for j in range(len(row)):
                candidate = [seq + [j], score * -log(row[j])]
                all_candidates.append(candidate)

        ordered = sorted(all_candidates, key=lambda tup: tup[1])  # 按score排序
        sequences = ordered[:k]  # 选择前k个最好的
    return sequences


def greedy_decoder(data):

    return [np.argmax(s) for s in data]


if __name__ == '__main__':

    data = [[0.1, 0.5, 0.4],
            [0.3, 0.2, 0.5],
            [0.5, 0.3, 0.2]]
    data = np.array(data)
    result = beam_search_decoder(data, 3)
    print("****use beam search decoder****")
    for seq in result:
        print(seq)

    print("****use greedy decoder****")
    print(greedy_decoder(data))

输出结果：

****use beam search decoder****
[[1, 2, 0], 0.33302465198892944]
[[2, 2, 0], 0.4402346437542523]
[[1, 2, 1], 0.5784523625139449]
****use greedy decoder****
[1, 2, 0]

Process finished with exit code 0

结果解释：
beam search，例如输出第二行[1，2，0]表示，1表示从data第一行取索引1；2表示从data第二行取索引2；0表示从data第三行取索引0，相当于找出每一行最大值所在的索引。所以最终取出来的元素是[0.5, 0.5, 0.5]，这是概率最大的一条路径。[2, 2, 0]表示取出的元素是[0.4, 0.5, 0.5],这是概率第二大的路径。
greedy search，只输出概率最大的一条路径[1, 2, 0]。