okuhara
commented
2 months ago またすばらしいアイデアありがとうございます。 私がこのコードを書いていたころは Athlon 64 X2 とかで評価していて、ご指摘の通り SSE が遅かったのでそれに合わせたチューニングになっているかもしれません。 デフォルトでイネーブルするかどうかは別として、ソース中と解説ページには acepck さんのコードを入れようと思います。 で、ご提案のより重要な意味に気付いたのですが、左方向 +1 のキャリー伝搬は CPU にも適用できるので、CPU による get_moves はすべてそうするべきと。今までなぜキャリーによる方法を思いつかなかったのか・・
`unsigned long long get_moves(const unsigned long long P, const unsigned long long O) { unsigned long long moves, mO; unsigned long long flip1, flip7, flip9, flip8, pre1, pre7, pre9, pre8;
mO = O & 0x7e7e7e7e7e7e7e7eULL;
flip7 = mO & (P << 7); flip9 = mO & (P << 9); flip8 = O & (P << 8); flip1 = mO & (P << 1);
flip7 |= mO & (flip7 << 7); flip9 |= mO & (flip9 << 9); flip8 |= O & (flip8 << 8); moves = mO + flip1;
pre7 = mO & (mO << 7); pre9 = mO & (mO << 9); pre8 = O & (O << 8);
flip7 |= pre7 & (flip7 << 14); flip9 |= pre9 & (flip9 << 18); flip8 |= pre8 & (flip8 << 16);
flip7 |= pre7 & (flip7 << 14); flip9 |= pre9 & (flip9 << 18); flip8 |= pre8 & (flip8 << 16);
moves |= flip7 << 7; moves |= flip9 << 9; moves |= flip8 << 8;
flip7 = mO & (P >> 7); flip9 = mO & (P >> 9); flip8 = O & (P >> 8); flip1 = mO & (P >> 1);
flip7 |= mO & (flip7 >> 7); flip9 |= mO & (flip9 >> 9); flip8 |= O & (flip8 >> 8); flip1 |= mO & (flip1 >> 1);
pre7 >>= 7; pre9 >>= 9; pre8 >>= 8; pre1 = mO & (mO >> 1);
flip7 |= pre7 & (flip7 >> 14); flip9 |= pre9 & (flip9 >> 18); flip8 |= pre8 & (flip8 >> 16); flip1 |= pre1 & (flip1 >> 2);
flip7 |= pre7 & (flip7 >> 14); flip9 |= pre9 & (flip9 >> 18); flip8 |= pre8 & (flip8 >> 16); flip1 |= pre1 & (flip1 >> 2);
moves |= flip7 >> 7; moves |= flip9 >> 9; moves |= flip8 >> 8; moves |= flip1 >> 1;
return moves & ~(P|O); // mask with empties} `
board_sse2.txt SSE get_movesの全部SSEバージョンを書いてみました intelのCPUでは概ねいくらか速くなるようですが特に古めのamdではどうでしょう？ SSEが多分速くないと思うので遅くなりそうな気がしますが pentiumDでもgccだと元のコードより遅くなります pentiumDはSSE使わないバージョンが一番速いようですが
pentiumD e26: 399939952 nodes in 0:42.658 ( 9375497 nodes/s). clang orig e26: 399939952 nodes in 0:42.430 ( 9425877 nodes/s). clang all sse e26: 399939952 nodes in 0:41.214 ( 9703983 nodes/s). clang gpr e26: 399939952 nodes in 0:45.122 ( 8863524 nodes/s). gcc orig e26: 399939952 nodes in 0:46.634 ( 8576145 nodes/s). gcc all sse e26: 399939952 nodes in 0:44.012 ( 9087066 nodes/s). gcc gpr
core2 e28: 2483354531 nodes in 2:07.564 (19467519 nodes/s). clang orig e28: 2483354531 nodes in 2:03.739 (20069295 nodes/s). clang all sse e28: 2483354531 nodes in 2:09.057 (19242308 nodes/s). gcc orig e28: 2483354531 nodes in 2:06.682 (19603058 nodes/s). gcc all sse
ivybridge e28: 2483354531 nodes in 1:37.282 (25527379 nodes/s). clang orig e28: 2483354531 nodes in 1:34.144 (26378256 nodes/s). clang all sse e28: 2483354531 nodes in 1:33.564 (26541774 nodes/s). gcc orig e28: 2483354531 nodes in 1:31.294 (27201728 nodes/s). gcc all sse