Alpha-Beta“打破”阿姆达尔定律？答案

【问题标题】：Alpha-Beta "breaking" the Amdahl's law?Alpha-Beta“打破”阿姆达尔定律？
【发布时间】：2015-02-06 14:11:32
【问题描述】：

~~我有一个经典的极小极大问题求解器，带有额外的 alpha-beta 修剪实现。~~

我通过以下方式并行化算法：

进行迭代深化，直到我们的节点数超过可用线程数
在 N 个线程的批次中为每个线程运行一个 minimax。因此，如果我们从串行搜索中在深度 2 处获得 9 个可能的移动，我们首先启动 4 个线程，然后是另外 4 个线程，最后是 1 个线程，每个线程都从深度 2 开始并具有自己的参数。

事实证明，4 个线程的加速比 S=T(serial)/T(parallel) 是 4.77，所以我在这里基本上违反了 Amdahl 定律。

如果我们说实现没有以某种方式被破坏，我怀疑 Alpha-Beta 修剪在这里起到了神奇的作用？由于并行启动多个搜索，因此修剪次数更多，更快？这是我的理论，但如果有人能更详细地证实这一点，我会很高兴。

澄清一下：

没有 alpha-beta 实现的 Minimax 基本上是对整棵树进行深度优先搜索，直到某个最大深度。对于 alpha-beta，它的作用相同，只是它会修剪一些分支，这无论如何都会导致更糟糕的结果。

编辑：在进一步检查代码后，我在一行代码中发现了一个错误，导致程序“作弊”而不遵循某些动作。现在实际的加速因子是 3.6。很抱歉浪费大家的时间.. 今天在计算方面没有突破。：/

【问题讨论】：

【解决方案1】：

这可能是由于缓存效应或类似原因。它被称为superlinear speedup。它可以/确实发生。

【讨论】：

【解决方案2】：

使用更多线程可以有效地运行部分广度优先搜索。碰巧你的问题适合广度优先搜索。

即使在单核机器上，您也会看到加速。

您不需要线程来实现这种加速。您可以简单地编写一个（部分）广度优先搜索，其行为类似于多线程。

假设您要搜索两个列表：

你一找到1就停下来。如果您按顺序搜索它们，您需要查看 1,000,002 个元素。如果您在单个内核上使用两个线程，搜索将立即找到1，您就完成了。 1,000,000 倍左右的“超线性”加速！

【讨论】：

但是 alpha-beta 与它有什么关系吗？如果我把它拿出来，我实际上是在搜索整个树直到一个固定的最大深度，而不仅仅是找到像 1 这样的值。所以如果没有 a-b，单线程 CPU 将访问相同数量的节点，无论使用什么搜索技术并获胜不要更快。编辑了我的第一篇文章以进行澄清。
但是线程数确实会影响您首先查看的位置，对吗？甚至非常间接。
确实如此。但是，假设您必须搜索整个树，这里就是这种情况。在那种情况下，部分广度优先搜索不会比深度优先搜索快吗？
我没有 100% 遵循你的算法。您是说根据您找到的内容，您无法提前中止搜索？如果没有，你是对的。那么这可能是由于其他答案所暗示的缓存效应。但我认为缓存效应更可能不是原因，因为这里的效应太强了。
是的，在基本的极小极大实现中，整个树都被搜索并且在此之前它不会中止。但是随着 alpha-beta 的添加，一些分支被修剪掉了。因此，也许当在部分广度优先搜索而不是深度优先搜索中使用 alpha-beta 时，它会修剪得越来越快。我想这是我问题的核心。