并行博弈树搜索算法-第5篇 人多力量大(?)：并行Alpha-Beta算法

在Alpha-Beta算法的并行化的过程中,一个较为困难的问题是判断从哪里开始并行搜索,因为一个分支的搜索可能会发现并行进行的另一个搜索完全可以避免.正因为如此,Alpha-Beta算法是一个很难并行的算法.

虽然仿真可能预计出设计的Alpha-Beta并行算法具有非常好的性能,但是很多仿真都是基于一些不现实的假设的基础上.在实际的实现中,以下的因素经常会导致Alpha-Beta并行算法的并行效率低下^[11]:

1. 同步开销（Synchronization Overhead）.如果算法中存在过多的同步点(synchronization point）,那么处理器很多时候会处于空闲（idle）状态.

2. 通信开销（Communication Overhead）.进程（process）之间需要互通信息,通信开销的影响程度取决于通信频率和通信延时（communication latency）.

3. 搜索开销（Search Overhead）.一个处理器完成的工作也许对另外一个处理器的搜索有利,如果这些信息不能很好地共享,会增加很多不必要的搜索.

这些开销并不相互独立,例如,增加通信会导致通信开销的增加,但是有可能减少搜索开销,再如,减少同步点能减少同步开销,但是可能会增加搜索开销.

在对Alpha-Beta算法进行并行化的时候,不仅要尽量利用算法的并行性,又要尽量减少上述的几种开销.基于不同的基本思想,很多的并行Alpha-Beta算法被先后提出来.对这些算法可以按照各种不同的标准进行分类和分析,例如^[12]:

1. 按照处理器体系结构（processor hierarchy）分类.按照处理器树（processor tree）的可变性（rigidity）分为静态（static）和动态（dynamic）,静态处理器树:一个或者多个处理器作为主处理器（master）,其他处理器作为从处理器（salve）.主处理器控制从处理器,这个结构在博弈树的搜索过程中都是固定的.动态处理器树则随着处理器的空闲和忙碌情况的变化而变化.

2. 按照控制分布（control distribution）分类.如果算法的