如果符合以下条件，使用alpha beta修剪的多线程的有效性是什么？
迭代地使用多线程。例如，线程1将查看第一个分支，第二个线程将查看第二个线程，等等。我认为这应该只在第一个深度完成（AI制作的下一个移动），因为其他深度可能是隔断。
一个线程在第一次“移动”时生成搜索到生成的移动集的一半，第二个线程在最后一次“移动”生成并搜索到移动集的一半。在这里，我认为可能会有更高的加速，因为最后一步可能被认为是最好的举动，因此，第二个线程可能导致第一个线程无法切断。
多线程用于思考对手的时间。例如，假设对手花了一些时间思考并采取行动。人工智能可以迭代加深搜索并找到结果，而对手正在思考，我想，不一定会导致加速，但有更多时间进行极小极大分析。
我想，可能还有其他一些优化，但这些是我想到的少数优化。不过，我不知道他们是否会改善任何事情。
如果我理解你的想法，你打算平行搜索根位置的移动。与严格顺序算法相比，它应该更好，但我不希望它能够很好地扩展（使用多个CPU）。
为了比较，这里是国际象棋中现有并行化策略的摘要：
由于alpha-beta是一种顺序算法，所有并行化策略都是推测性的。因此，您希望避免花时间搜索搜索树的部分内容，最终会被其他移动切割。避免搜索不相关的子树的一个相对简单的策略叫做Young Brothers Wait Concept。
还有一些算法具有改进的可扩展性，但代价是更难理解和实现。例如，支持work-stealing应该提高可扩展性。