覆膜防治种子

Question

想象一下，我们正在做一些过程，我想在程序开始时设置一个总体种子:例如。

mylist <- list( as.list(rep(NA,3)), as.list(rep(NA,3)) )
foo <- function(x){  for(i in 1:length(x)){ 
                       x[[i]] <- sample(100,1)
                         }
                      return(x) 
                     } 

# start block
set.seed(1)
l1 <- lapply(mylist, foo)
l2 <- lapply(mylist, foo)
# end

当然，在一个块中，l1和l2是不同的，但是如果我再次运行上面的块，l1将和以前一样，l2将和以前一样。

假设foo非常耗时，所以我想使用mclapply而不是lapply，所以我这样做了：

library(parallel)

# start block
set.seed(1)
mclapply(mylist , foo,  mc.cores = 3)
mclapply(mylist , foo,  mc.cores = 3)
# end

如果我再次运行这个块，我下一次会得到不同的结果。如何产生与使用lapply但使用mclappy设置一个总体种子相同的行为。我查看过mclapply文档，但我不确定，因为我使用：

set.seed(1)
l1 <-  mclapply(mylist , foo,  mc.cores = 3, mc.set.seed=FALSE)
l2 <-  mclapply(mylist , foo,  mc.cores = 3, mc.set.seed=FALSE)

结果l1和l2是一样的，这不是我想要的.

Answer 1

parallel软件包提供了对“L‘厄瓜多尔-CMRG”随机数发生器的特殊支持，该随机数生成器是在parallel的同时推出的。您可以使用以下方法阅读该支持的文档：

library(parallel)
?mc.reset.stream

要使用它，首先需要启用“L‘厄瓜多尔-CMRG”：

RNGkind("L'Ecuyer-CMRG")

这样做后，代码(如：

set.seed(1)
mclapply(mylist, foo, mc.cores=3)
mclapply(mylist, foo, mc.cores=3)

将是可重复的，但对mclapply的两个调用将返回相同的结果。这是因为调用mclapply不会改变主进程中随机数生成器的状态。

我使用了以下函数来跳过mclapply工作者使用的随机数流：

skip.streams <- function(n) {
  x <- .Random.seed
  for (i in seq_len(n))
    x <- nextRNGStream(x)
  assign('.Random.seed', x, pos=.GlobalEnv)
}

您可以使用此函数获取我认为您想要的行为：

set.seed(1)
mclapply(mylist, foo, mc.cores=3)
skip.streams(3)
mclapply(mylist, foo, mc.cores=3)
skip.streams(3)