贾斯汀·横田
加州大学伯克利分校EECS系
技术报告编号：UCB/EECS-2022-219
2022年8月19日
强解抽象策略博弈通常是一项计算密集型任务；对于大型游戏，计算必须并行化才能在合理的时间内完成。以前的解算器使用了MapReduce等工具来分配工作；然而，这种方法受到磁盘使用率高的阻碍。本报告详细介绍了一种新的分片解算器的开发，该解算器允许在大规模分布式计算节点上高效解算某些游戏，同时显著减少内存使用。这个项目的一个特别目标是对游戏Connect 4进行快速且高效的强解析。该项目中进行的优化，以及碎片求解器提供的改进的求解范式，允许在960节点的系统上在不到6小时的时间内求解，同时使用不到MapReduce求解所需磁盘空间的八分之一。此外，还开发了一种新的压缩方案来存储生成的数据库，将数据库大小从原始的32TiB减小到557GiB。
顾问：丹葛西亚
BibTeX引用：
@大师感觉{横田：EECS-2022-219，作者={Yokota，Justin}，编辑={Garcia，Dan和Demmel，James}，Title={Connect 4}中博弈树探索的高效计算，学校={加州大学伯克利分校EECS系}，年份={2022}，月份={8月}，Url={http://www2.eecs.berkeley.edu/Publs/TechRpts/2022/eecs-2022-219.html},编号={UCB/EECS-2022-219}，Abstract={强解抽象策略游戏通常是一项计算密集型任务；对于大型游戏，计算必须并行化才能在合理的时间内完成。以前的解算器使用MapReduce等工具来分配工作；然而，这种方法受到磁盘使用率高的阻碍。本报告详细介绍了一种新的分片解算器的开发，该解算器允许在大规模分布式计算节点上高效解算某些游戏，同时显著减少内存使用。该项目的一个特定目标是快速、内存高效地解决游戏Connect 4的问题。本项目中进行的优化以及碎片解算器提供的改进的解算范式，允许在960节点系统上在不到6小时的时间内进行解算，同时使用的磁盘空间不到MapReduce解算所需的八分之一。此外，还开发了一种新的压缩方案来存储生成的数据库，将数据库大小从原始的32TiB减小到557GiB。}，}
EndNote引用：
%0论文%贾斯汀·横田%丹·E·加西亚%詹姆斯·登梅尔%Connect 4中博弈树探索的高效计算%I加州大学伯克利分校EECS系%D 2022年%19年8月8日%@UCB/EECS-2022-219%U型http://www2.eecs.berkeley.edu/Pubs/TechRpts/2022/eecs-2022-219.html%F横田：EECS-2022-219