多线程 alpha-beta-pruning 的效果如何？

Question

如果出现以下情况，多线程使用 alpha beta 剪枝的效果如何：

多线程被反复使用。例如，线程一会查看第一个分支，第二个线程会查看第二个线程，依此类推。我相信这应该只在第一个深度（AI 做出的下一步动作）进行，因为其他深度可能是隔断。

一个线程在第一次“移动”生成时搜索到生成的移动集的一半，第二个线程在最后一次“移动”生成并搜索回移动集的一半。在这里，我认为可以提高加速，因为最后一步可能被认为是最好的一步，因此，第二个线程可能会导致第一个线程无法中断。

多线程被用来考虑对手的时间。例如，假设对手花了一些时间思考并采取行动。 AI 可以在对手思考时迭代地加深搜索并找到结果，我想，这不一定会导致加速，但有更多时间进行极小极大分析。

我想可能还有其他优化，但这些是我想到的少数几个。不过，我不知道他们是否真的会有所改善。

Answer 1

如果我正确理解您的想法，您计划在根位置并行搜索移动。与严格的顺序算法相比，它应该更好，但我不希望它能够很好地扩展（使用多个 CPU）。

为了比较，这里总结一下国际象棋中现有的并行化策略：

• https://www.chessprogramming.org/Parallel_Search

由于 alpha-beta 是一种顺序算法，所有并行化策略都是推测性的。因此，您要避免花费时间在搜索树的某些部分上，这些部分最终会被其他移动所切断。避免搜索不相关子树的一种相对简单的策略称为Young Brothers Wait Concept。

还有一些算法具有改进的可扩展性，但代价是更难以理解和实施。例如，支持work-stealing 应该会提高可扩展性。