R 如何并行化具有多个参数的函数？

我有一个特殊的模拟要执行，在R中运行需要一些时间。因为我想执行1000个模拟，所以我决定使用“并行”包将这些模拟分发到4个核上。我知道如果我有一个如下的函数，我可以得到一个结果向量

results_parallel <- parSapply(cl, c(1000,1000,1000,1000), rnorm)

---

results\u parallel您可以尝试创建一个函数包装器，它接受一个参数而不是多个参数

rnorm1 <- function(ls){
  rnorm(n = ls$n, mean = ls$mean, sd = ls$sd)
}

cl <- makeCluster(2)

example_list <- list(
      list(n=1000, mean = 0, sd = 1),
      list(n=1000, mean = 1, sd = 2)
)

results_parallel <- parSapply(cl, example_list, rnorm1)

rnorm1我不确定这正是您想要的，但是您应该能够在函数调用中添加要传递给
rnorm
的参数。我以前没有使用过
parSapply
，但这里使用的是
llply
：

doMC::registerDoMC( cores = 4 )
results <- plyr::llply( .data = c(1000,1000,1000,1000),
                        .fun = rnorm, mean = 1, sd = 0.4,
                        .parallel = T 
)

这确实是一个很好的解决办法。我试过这个，效果很好。谢谢。如果解决方案回答了您的问题，请确保您将其标记为已接受，以帮助其他人在将来找到它。
results_parallel <- parSapply( cl, 
                               X = c(1000,1000,1000,1000), 
                               FUN = rnorm, mean = 1, sd = 0.4 
)