搜參，序列生成，最佳化方法——窮舉，greedy search，beamsearch，bayessearch, viterbisearch

1. exhaustive search（窮舉搜尋）
   最直觀的方法就是窮舉所有可能的輸出序列。從所有的排列組合中找到輸出條件機率最大的序列。窮舉搜尋能保證全域性最優，但計算複雜度太高，當輸出詞典稍微大一點根本無法使用。

2. greedy search（貪心搜尋）
   貪心搜尋在解碼下一個選擇的時候，直接選擇條件機率最大的候選值作為當前最優。

3. beamsearch（集束搜尋）
   beam search的每一步不再只選擇條件機率最大的值，而是選擇機率值topk個（也即beam_size（束寬））。然後分別以這K個值做為下一個字解碼的輸入，則下個字會預測出K^2個機率。然後從這些機率中再選擇topK個，重複上述過程。當beam_size=1時集束搜尋就退化成了貪心搜尋。

4. bayessearch (貝葉斯搜尋）
   建立目標函式的機率模型，並用它來選擇最有希望的超引數來評估真實的目標函式。利用先驗知識逼近未知目標函式的後驗分佈從而調節超參。花一點時間選擇下一個超引數，以減少對目標函式的呼叫。貝葉斯調參採用高斯過程，考慮之前的引數資訊，不斷地更新先驗；網格搜尋未考慮之前的引數資訊,貝葉斯調參迭代次數少，速度快；貝葉斯調參針對非凸問題依然穩健。

5. viterbisearch (維特比搜尋）
   相應的當前選擇，最優解一定是前一個選擇的最優解。在沒有得到最終結果之前，每一個選擇都有可能是最優解，所以在序列生成過程中，保留每一個選擇的前一個選擇的最優選，到最後一個選擇時，回溯出全域性最優解。
   設建模單元為N， beam_size為K，解碼所需時間步驟為T：
   (1) 如果k=1，即為greedy search，時間複雜度為O(NT)

   (2)beam_search，時間複雜度為O(KNT)，區域性最優

   (3)如果K=N，即維特比演算法，時間複雜度為O(NNT),全域性最優