如何优化迭代函数进行大数据分析？

Question

我有一个优化模型的问题。我的函数在迭代过程中递增变量(Dem)的值，以达到"WHILE“中设置的条件。

我必须使用"FOR's“和一些"IF's"，我知道这使得R环境中的处理非常慢，但我必须在R中这样做。变量P是10958个of的长度。变量A和C的长度为65511个obs。

使用system.time (myfunction)，只使用变量Area 1和C1中的一个元素，我的计算机需要2.5秒来完成这个过程。但对于Area和C的所有元素，将需要45个小时。

我的教授说它太慢了，但我认为数据量是正常的，有什么方法可以优化它吗？选项是否应该优化函数(PSO、DEoptim等)而不是使用WHILE？

myfunction = function(P,Area,C,Cap,Inc){      
  Vin<- Cap
  Q<-NA
  Ov<-NA
  Def<-NA
  Vf<-NA
  Vp<-NA
  Dem<-0
  Dem_100<-NA
  Fail<-0

  for (i in 1:length(Area)){        
    while(Fail==0){          
      Dem<-Dem+Inc          
      for (j in 1:length(P)){             
        #-----------------------------------------------------------------------#    
        ####################### Calculate Q #####################################
        #-----------------------------------------------------------------------#           
        if (P[j]==0){
          Q<-0
        }else{
          Q<-P[j]*Area[i]*C[i]
        }

        #-----------------------------------------------------------------------  
        ################################ Calculate Vp ##########################
        #-----------------------------------------------------------------------            
        Vp<- (Vin + Q) - Dem         
        if(Vp<0){
          Fail<-1
          break #stop For j and continue the while
        }

        #----------------------------------------------------------------------  
        ###################################### Calculate OV ###################
        #----------------------------------------------------------------------
        if (Vp>Cap){              
          Ov<-Vp-Cap          
        }else{ 
          Ov<-0
        }

        #---------------------------------------------------------------------
        ######################################## Calculate Def ###############
        #---------------------------------------------------------------------   
        if (Vp<0){ 
          Def<-0-Vp
        }else{
          Def<-0
        }

        #---------------------------------------------------------------------#    
        ################################## Calculate Vf ###########
        #---------------------------------------------------------------------#            
        if (Vp>Cap){
          Vf<-Cap
        }else{
          if (Vp<0) {
            Vf<-0
          }else{
            Vf<-Vp
          }
        }

        #-----------------------------------------------------------------------#    
        ################################## Update Vin ###########
        #-----------------------------------------------------------------------#            
        Vin<-Vf           
      }
      Vin<- Cap # Reset the var Vin for new j
    }

    Dem_100[i]<-Dem-Inc
    Def<-NA
    Dem<-0
    Vin<- Cap
    Fail<-0
 }
  return(list(DemGar100=Dem_100))
}

时间过程测试

P<-abs(rnorm(10958))
system.time(myfunction(P = P,Area = 100,C = 0.8,Cap = 10000,Inc = 1))
   user  system elapsed 
   2.45    0.00    2.50

Answer 1

没有足够的代表来评论，但既然不是一个完整的答案，它应该放在那里。

你有没有想过用if替换掉一些if？这应该会加快速度，例如，你可以用下面这样的东西替换整个j-loop：

(i in 1:长度(面积)){

while(Fail==0){

Dem<-Dem+Inc

Q <-如果##note (P==0，0，P*Areai*Ci) q是一个长度为(P)的向量...

此外，我认为Def似乎从未计算过(当失败时，Vf总是Vp )，因为如果失败，你会跳出j循环，甚至可能跳出while (你将Vp<0设置为1，但我不知道R何时检查条件，在循环结束时?还是在开始时)