Optimize broadcast strategy

[Pang-GJ]

relate: https://github.com/Oneflow-Inc/OneTeam/issues/1952

n 机 k 卡，只要 n <= k ，经过测试使用 local_rank_0 代理会更优 如果是 8 机 8 卡，我们可以做成 7次 master -> local_rank_0 + local_rank_0 到 local_rank_n，这个是优于 master -> local_rank_k + othre_rank_k 到 local_rank_n 的。

利用 issue 里的模拟同步工具，测试 2 机 8 rank 结果：

• https://github.com/Oneflow-Inc/OneTeam/issues/1952#issuecomment-1495248180
• https://github.com/Oneflow-Inc/OneTeam/issues/1952#issuecomment-1495264311

总耗时减少大概 50 %。

缺点： 这种方案只适用于机器数少的情况，机器数多了，master负载会太高