加速R中的嵌套循环以创建邻接矩阵

我需要一些帮助来并行化或加速以下嵌套循环：

有一个顶点列表（由一个id号标识），每个id都有一个与其关联的数字字符串（字符串长度有限，通常为60-200）

id

是一个约10000个不同id的列表

seq

是（不同长度）序列的列表，每个序列都与唯一的id关联

我想在顶点

I

和顶点

j

相连的这些顶点上构建图的邻接矩阵，如果它们的序列具有公共元素。以下是我试图改进的代码：

id_matrix<-matrix(nrow=length(id),ncol=length(id))
for (i in 1:(length(id)){
   for (j in 1:(length(id)){
      edgelist[i,j]=length(intersect(seq[i],seq[j])
   }
}

id\u矩阵在我的电脑上

id_matrix <- matrix(0, nrow = length(id), ncol = length(id))
for (i in 1:length(id)) {
    for (j in i:length(id)) {
        id_matrix[cbind(c(i,j),c(j, i))] <- length(intersect(seq[[i]],seq[[j]]))
    }
}

id\u矩阵查看包igraph。我同意
igraph
（或者可能
Rcpp
）可能是一条出路。出于兴趣，基本R解决方案可能看起来像这样：
library（parallel）；v是否已初始化边列表？一个10.000 x 10.000的循环应该在合理的时间内完成。在使用不同的选项后，看起来最快的速度增益（没有任何奇特的并行化）是序列的矢量化：看起来最快的速度增益（没有任何并行化）是矢量化：seq