什么是神经网络中的 Monte Carlo Beam Search？答案

【问题标题】：What is Monte Carlo Beam Search in neural networks?什么是神经网络中的 Monte Carlo Beam Search？
【发布时间】：2019-06-04 18:10:57
【问题描述】：

Monte Carlo Beam Search 在神经网络和强化学习研究中经常被引用。它是什么以及它与蒙特卡洛搜索有何不同。

【问题讨论】：

【解决方案1】：

Monte Carlo 树搜索 一种最佳的、基于推出的树搜索算法，它是多个游戏的最新技术。它通过基于搜索空间的随机采样扩展搜索树来工作。

束搜索仅扩展有限集合中最有希望的节点。它广泛用于基于序列的任务，例如 NLP 和音乐生成。束搜索的一个主要优点是它可以为可能的结果数量可能超过内存限制的大型系统保持可处理性。

Monte Carlo Beam Search 于 2012 年由 Cazenave 和 Baier, et al. 的两篇论文引入，扩展了嵌套 Monte Carlo Search，其中游戏根据较低级别的结果选择每个动作嵌套蒙特卡罗搜索。最低级别是淘汰赛（随机进行移动的游戏）。

引用论文：

每个级别的梁的大小是固定的。仅有的最好的比赛保持在给定的水平。

例如，大小为 2 的波束搜索意味着在每次移动时，都会保留所有孩子中最好的两个位置。这比保留所有孩子的内存效率要高得多。

【讨论】：