Optimization R中的并行优化

来得正是时候，因为我也在努力优化。我知道R中不同的“正常”优化例程，我也知道类似snow、snowfall、Rmpi之类的并行包。然而，我没有设法在我的计算机上并行运行优化

一些玩具代码来说明：

f <- function(x) sum((x-1:length(x))^2)
a <- 1:5
optim(a,f)
nlm(f,a)

---

f可能会引起兴趣。我对它一无所知，但最近偶然发现了它。
回答我自己的问题：

有一个方案正在开发中，看起来很有希望。它有粒子群优化方法，并建立在并行计算的Rmpi包上。可在Rforge上找到：


它还在测试阶段，但看起来很有希望。我稍后会看一看，等我知道更多情况后再汇报。尽管如此，我还是保留了这个问题，因此如果其他人有其他选择…
R包optimParallel可能对您的情况有所帮助。该软件包提供了基于梯度的优化方法的并行版本
optim（）
。这个包的主要功能是
optimParallel（）
，它的用法和输出与
optim（）
相同。使用
optimParallel（）
可以显著减少优化时间，如下图所示（
p
是参数的数量）。
有关更多信息，请参阅和
 如果你的函数要复杂得多，你能把它并行化而不是
optim
？@Joshua:thx，确实有一点并行化的可能性。然而，我也想使用一些群体优化方法，因为我必须将速度提高至少十倍，才能使模型在模拟中可行。Thx是指针，但我已经知道了。在R中有更多的并行计算框架，这取决于您想要使用的协议。然而，我找不到一个使用并行计算能力的非beta优化函数。如果你在考虑PSO，你有没有想过差分进化（通过DEoptim包）？并行计算支持在软件包的待办事项列表中，不应该花费超过几个小时的工作（对我来说，不是你：-）。@Joshua Thx提示，我还不知道DEoptim。它看起来很有希望，但对于我现在正在处理的问题，它实际上比nlm（）慢得多。我有13个参数，没有明确的下限和上限，所以我必须将它们设置得相当大，以避免遗漏一个参数…试用了beta版，它似乎可以工作。在我的问题上，它仍然没有提供与函数本身并行化相同的改进。然而，我可以看到，在其他情况下，这确实是一个有用的工具。我期待着第一个稳定的版本。