分布式 21 点游戏

打开脚本

此示例使用 Parallel Computing Toolbox™ 玩二十一点 (也称为 21) 纸牌游戏。我们仿真了许多玩家同时独立玩数千手牌，并显示赔付统计数据。仿真玩二十一点是金融工具蒙特卡罗分析的代表。除了最后的数据收集外，仿真可以完全并行完成。

有关计算的详细信息，请查看 pctdemo_setup_blackjack 的代码。

分析顺序问题

由于二十一点玩家彼此独立，我们可以并行仿真他们。我们通过将问题划分为多个较小的任务来实现这一点。

加载示例设置和数据

该示例在识别要使用的集群时使用默认配置文件。发现集群并使用集群配置文件解释了如何创建新的配置文件以及如何更改默认配置文件。如果您想使用不同的示例难度级别或任务数量，请使用 paralleldemoconfig，然后再次运行此示例。

[difficulty, myCluster, numTasks] = pctdemo_helper_getDefaults();

我们从 pctdemo_setup_blackjack 中获取玩家人数以及每个玩家玩的手数。difficulty 参数控制我们仿真的玩家数量。您可以查看 pctdemo_setup_blackjack 的代码以了解完整详情。

[fig, numHands, numPlayers] = pctdemo_setup_blackjack(difficulty);

将工作分成更小的任务

我们将 numPlayers 玩家的仿真划分到 numTasks 任务中。因此，任务 i 仿真了 splitPlayers{i} 玩家。

[splitPlayers, numTasks] = pctdemo_helper_split_scalar(numPlayers, ...
                                                  numTasks);
fprintf(['This example will submit a job with %d task(s) ' ...
         'to the cluster.\n'], numTasks);

This example will submit a job with 4 task(s) to the cluster.

创建并提交作业

我们为每个分割创建一个作业并在该作业中创建一个任务。请注意，任务函数与顺序示例中使用的函数相同。您可以查看 pctdemo_task_blackjack 的代码以了解完整详情。

startTime = clock;
job = createJob(myCluster);
for i = 1:numTasks
    createTask(job, @pctdemo_task_blackjack, 1, ...
               {numHands, splitPlayers(i)});
end

我们现在可以提交作业并等待它完成。

submit(job);
wait(job);

检索结果

让我们验证一下我们是否收到了所有预期的结果。如果任务未成功完成，fetchOutputs 将抛出错误，在这种情况下，我们需要在抛出错误之前删除该作业。

try
    jobResults = fetchOutputs(job);
catch err
    delete(job);
    rethrow(err);
end

将任务结果收集到 numHands×numPlayers 矩阵中。

S = cell2mat(jobResults');

现在我们已经完成了所有验证，因此我们可以删除该作业。

delete(job);

测量历时

应将分布式仿真所用的时间与顺序 21 点游戏示例中执行同一组计算所需的时间进行比较。经过的时间因底层硬件和网络基础设施而异。

elapsedTime = etime(clock, startTime);
fprintf('Elapsed time is %2.1f seconds\n', elapsedTime);

Elapsed time is 27.5 seconds

绘制结果

我们显示每手牌赢或输的预期赌注比例以及置信区间。我们还展示了我们仿真的每个玩家的胜负演变过程。您可以查看 pctdemo_plot_blackjack 的代码以了解完整详情。

pctdemo_plot_blackjack(fig, S);