在 Russel 和 Norvig 的人工智能——一种现代方法（第三版）的第 15 章中，他们描述了时间推理中的三个基本任务：
我的问题是关于第一个任务和第三个任务之间的区别。找到最可能的序列确定，给定的证据, 最可能的状态序列. 这是使用维特比算法完成的。另一方面，过滤提供了看到后状态的概率分布. 然后你可以选择概率最高的状态，称之为. 我猜应该总是等于. 同样，您已经可以在任何前缀之后执行相同的操作，再次选择最可能的状态. 我很想有一个简单的例子不等于序列由维特比算法产生。
欢迎来到 AI.SE @vdbuss，第一个问题很好！
这一点在第 15.2.3 节（我的副本中的第 576 页）的第二段中有所提及，并且在本章（15.4）的末尾有一个很好的练习，旨在让你思考为什么这些是不同的程序。如果您想真正吸收它，我建议您尝试进行该练习！如果您想快速获得答案，请继续阅读。
过滤的基本动作是生成概率分布仅使用两条信息，特别是当前状态分布，以及新的证据. 因此，在计算最可能的序列时，算法无法考虑实际可能的序列，而 Vitirbi 可以。
这是一个简单的例子：假设我告诉你我要把你丢进一个迷宫中的两个位置之一。我以 0.75 的概率将您放在右上角附近，以 0.25 的概率将您放在左下角附近。进一步假设已知（肯定地）居住在左下角附近的某个地方的格鲁。使用过滤，您在被丢入迷宫后对您的位置的最大后验估计（) 是你在右上角。然后您向右移动 1 步，可以看到格鲁。很明显，您在第二个时间步中对您的位置的估计一定是左下角，因为格鲁斯只住在那里。但是，您绝对不能通过从右上角向右移动最终移动到左下角，因此您的序列总体上的概率为零，尽管在每一步都使用了位置的最大 aposterori 估计。为了避免这种情况，Vitirbi 使用线性数量的额外空间来选择最大 aposterori序列，在这种情况下，很明显你在两个时间步长中都靠近左下角。