C++ 使Monte Carlo eval为Hexgame C++；

我正试图使我的蒙特卡罗评估函数多线程，这样我的游戏中的计算机播放器将更快。正常代码（无多线程）为：

使用名称空间std；
int getMonteCarloEval（const State&board、Player、int trials）
{
向量移动=board.getMoves（）；
int=0；
对于（int i=0；i

对于多线程，我有以下几点：

using namespace std;
vector<Move> moves;
atomic<int> wins = 0;

int getMonteCarloEval(const State &board, Player player, int trials)
{
    vector<Move> moves = board.getMoves();
    State mcBoard = board;
    size_t nr_threads = 8;
    vector<thread> workers;

    int delta = trials / nr_threads;
    int remainder = trials % nr_threads;
    int L = 0; int R = 0;

    for (int i = 0; i < nr_threads; i++) {
        R = L + delta;
        if (i == nr_threads - 1)
            R += remainder;
        workers.push_back(thread(mc, mcBoard, player, L, R));
        L = R;
    }
    for (auto &thread : workers) {
        thread.join();
    }

    return wins - trials / 2;
}

int getRandomEval(const State &board, Player)
{
    return rand() % 101 - 50;
}

int mc(const State &board, Player player, int L, int R)
{
    for (int i = L; i < R; i++)
    {
        State mcBoard = board;
        random_shuffle(moves.begin(), moves.end());
        for (Move m : moves)
            mcBoard.doMove(m);
        if (mcBoard.getWinner() == player)
            wins++;
    }
}

使用名称空间std；
矢量运动；
原子wins=0；
int getMonteCarloEval（const State&board、Player、int trials）
{
向量移动=board.getMoves（）；
状态mcBoard=板；
每根螺纹的尺寸=8；
媒介工作者；
int delta=试件/nr_螺纹；
int剩余=试验%n个螺纹；
int L=0；int R=0；
对于（inti=0；i

这里的问题是，现在的电脑播放器真的非常愚蠢。如果没有多线程，计算机播放器的播放速度很慢。 我还使用Alpha Berta修剪为计算机搜索最佳下一步

---

问题：有人知道我在使用多线程时做错了什么吗？

doMove如何工作？有两个变量名为

moves

。一个全局（？）和一个本地

getMonteCarloEval

。这些不一样。另外，线程函数mc使用其中一个线程时，不会受到其他线程的保护，从而导致数据争用。@alexeykuzmin0

void State:：doMove（const Move&Move）{if（Move.first<0 | | Move.first>=size | | Move.second<0 | Move.second>=size）抛出“无效移动！”；if（六边形[Move.first*size+Move.second]！=玩家：：无）抛出“六边形不是空的！”；六边形[move.first*size+move.second]=currentPlayer；currentPlayer=get对手（）；}

这对

nr_线程==1

有效吗？

using namespace std;
vector<Move> moves;
atomic<int> wins = 0;

int getMonteCarloEval(const State &board, Player player, int trials)
{
    vector<Move> moves = board.getMoves();
    State mcBoard = board;
    size_t nr_threads = 8;
    vector<thread> workers;

    int delta = trials / nr_threads;
    int remainder = trials % nr_threads;
    int L = 0; int R = 0;

    for (int i = 0; i < nr_threads; i++) {
        R = L + delta;
        if (i == nr_threads - 1)
            R += remainder;
        workers.push_back(thread(mc, mcBoard, player, L, R));
        L = R;
    }
    for (auto &thread : workers) {
        thread.join();
    }

    return wins - trials / 2;
}

int getRandomEval(const State &board, Player)
{
    return rand() % 101 - 50;
}

int mc(const State &board, Player player, int L, int R)
{
    for (int i = L; i < R; i++)
    {
        State mcBoard = board;
        random_shuffle(moves.begin(), moves.end());
        for (Move m : moves)
            mcBoard.doMove(m);
        if (mcBoard.getWinner() == player)
            wins++;
    }
}