Tree 基于MPI的棋子博弈树生成与搜索并行化

我正在尝试用C实现一个最优的跳棋游戏

为了找到机器可以做出的棋盘的最佳移动，我使用C语言中的（GLib）通过固定深度，根据棋盘的当前状态生成了一个n元博弈树

并且，对游戏树中存在的所有叶节点计算启发式值，该值定义为棋盘中剩余的机器棋子数减去玩家对手的棋子数，因为国王的能力比棋子强，启发式将每个国王计算为两个普通棋子，使用哪个alpha-beta搜索应用

更可能的是，增加游戏树的深度将最终产生一个优化的移动，如果我尝试增加深度，那么生成树和进行启发式搜索将花费大量时间

我的想法是独立地生成树的第一级，并在可用处理器之间分配子节点，以便使用MPI进一步执行

可能吗？如果是，如何使用MPI并行化树生成和启发式搜索

---

如果它没有效率，请建议我如何实施它的一些其他方法。谢谢

嗯，它可以并行化，问题是，你希望得到多大的改进。您可能正在循环中生成初始状态的子对象-在第一级，可以通过在

k

线程之间拆分

n

子对象的创建来实现并行化。由于这些任务在计算上要求很高（递归地创建更多的子树），因此它应该具有相当高的线程效率

但是，由于树的分支因子可能大于核心数（或类似数目），即使并行化是线性有效的（而且不会），也只能多生成一层

你使用alpha-beta修剪吗？我相信它会比这种并行化带来更大的好处。

问题被标记为“alpha-beta修剪”，因此OP可能会使用它。