任何分布式并行树搜索算法建议？答案

【问题标题】：Any distributed parallel tree search algorithm suggestions?任何分布式并行树搜索算法建议？
【发布时间】：2011-01-14 04:40:02
【问题描述】：

我正在编写一个分布式 Go/Gomoku 机器人。

基本上，重点是将树搜索分布到多台计算机上。使用像 DFS 这样的基本树搜索算法，这将非常简单，因为我可以将搜索空间划分为子树。虽然我宁愿有一些更有效的东西，比如带有 alpha-beta 修剪的 mini-max - 但据我了解，如果没有任何共享内存，它是毫无意义的。所以我有点卡住了。

任何想法我可以使用什么算法高效且易于分发？更重要的是，我在哪里可以找到一些（伪）代码或实现？

谢谢，

【问题讨论】：

【解决方案1】：

您需要阅读有关 Monte Carlo Tree Search 的内容，并不是因为它本质上更容易分发（它既不比其他树搜索更容易也不难），而是因为它是最先进的技术，并且致力于解决问题的人正在研究该算法的分布式版本。

如果您要费心制作分布式算法，则没有理由从较小的算法开始。除非您出于教育原因制作分布式算法，在这种情况下，请继续，在分发基本算法的实验中会有一些深刻的教育，并且看到它的性能比非分布式最先进算法更差:)

请参阅Wikipedia page on computer go 中的“最新动态”部分。

【讨论】：

【解决方案2】：

尝试 Map Reduce 方法。例如，参见

【讨论】：

【解决方案3】：

DDS* 和 ABDADA 是 2 个分布式/并行极小极大算法。一些通信是必要的，但这可以通过将某些结果转发回控制器来完成。

您提到的更简单的方法是使用不同搜索树根的 map reduce。

作为 @Pascal Cuoq rightly mentions，蒙特卡洛树搜索是 Go 中最先进的技术。

在这里您可以找到对 MoGo 搜索算法及其并行化方式的很好解释：

对随机播放结果更好的节点进行了更深入的探索。在每一步都选择一个叶节点进行单层扩展。这可以通过让每台机器选择不同的叶子来展开来分配。

这里是蒙特卡罗树搜索的一个很好的概述：

【讨论】：