R 仿真中规则的快速处理

如果在离散事件模拟中只有几个规则，这并不重要，但如果有很多规则，它们可能相互干扰，您可能希望跟踪使用它们的“哪个”和“哪里”

• 有人知道如何以与原始函数一样快的速度获得下面的代码吗
• 是否有比eval（parse（…）更好的选项

下面是一个简单的示例，它显示我在速度中失去了一个因子100。假设您运行一个模拟，其中一个（许多规则）是：选择时间小于5的状态：

> a <- rnorm(100, 50, 10)
> print(summary(microbenchmark::microbenchmark(a[a < 5], times = 1000L, unit = "us")))
   expr  min   lq     mean median   uq    max neval
a[a < 5] 0.76 1.14 1.266745  1.141 1.52 11.404  1000

myfun <- function(a0) {
  return(eval(parse(text = myrule)))
}

> myrule <- "a < a0" # The rule could be read from a file.
print(summary(microbenchmark::microbenchmark(a[myfun(5)], times = 1000L, unit = "us")))
    expr    min      lq     mean  median      uq     max neval
a[myfun(5)] 137.61 140.271 145.6047 141.411 142.932 343.644  1000

>打印（摘要（microbenchmark:：microbenchmark（a[a<5]，times=1000L，unit=“us”））
expr最小lq平均uq最大neval
a[a<5]0.761.1411.2667451.1411.5211.4041000
myfun myrule让我们来分析一下：

Rprof()
for (i in 1:1e4) a[myfun(5)]
Rprof(NULL)
summaryRprof()

#$by.self
#             self.time self.pct total.time total.pct
#"parse"           0.36    69.23       0.48     92.31
#"structure"       0.04     7.69       0.06     11.54
#"myfun"           0.02     3.85       0.52    100.00
#"eval"            0.02     3.85       0.50     96.15
#"stopifnot"       0.02     3.85       0.06     11.54
#"%in%"            0.02     3.85       0.02      3.85
#"anyNA"           0.02     3.85       0.02      3.85
#"sys.parent"      0.02     3.85       0.02      3.85
#
#$by.total
#               total.time total.pct self.time self.pct
#"myfun"              0.52    100.00      0.02     3.85
#"eval"               0.50     96.15      0.02     3.85
#"parse"              0.48     92.31      0.36    69.23
#"srcfilecopy"        0.12     23.08      0.00     0.00
#"structure"          0.06     11.54      0.04     7.69
#"stopifnot"          0.06     11.54      0.02     3.85
#".POSIXct"           0.06     11.54      0.00     0.00
#"Sys.time"           0.06     11.54      0.00     0.00
#"%in%"               0.02      3.85      0.02     3.85
#"anyNA"              0.02      3.85      0.02     3.85
#"sys.parent"         0.02      3.85      0.02     3.85
#"match.call"         0.02      3.85      0.00     0.00
#"sys.function"       0.02      3.85      0.00     0.00

大部分时间都花在分析上。我们可以通过一个基准来确认这一点：

microbenchmark(a[myfun(5)], times = 1000L, unit = "us")
#Unit: microseconds
#        expr    min     lq     mean median     uq     max neval
# a[myfun(5)] 67.347 69.141 72.12806 69.909 70.933 160.303  1000

a0 <- 5
microbenchmark(parse(text = myrule), times = 1000L, unit = "us")
#Unit: microseconds
#                 expr    min     lq     mean median     uq     max neval
# parse(text = myrule) 62.483 64.275 64.99432 64.787 65.299 132.903  1000

为方便起见，您可以将该表达式列表作为S3对象，并为其创建一个漂亮的
打印方法，以便获得更好的概述。
我理解。您有没有想法，如何以不同的方式跟踪“which”和“where”——而不是像上面所说的那样使用文件？我不理解
跟踪“which”和“where”“在哪里"以另一种方式
。您的问题描述似乎缺少关键部分。您的规则是否以文本文件以外的其他形式存在？我运行离散事件模拟。目前，规则作为
if-else
语句散布在整个代码中。我们添加的规则越多，规则之间可能发生的冲突就越多，并且ole簿记变得越来越复杂（甚至是一些简单的问题，比如：几个月前我们没有实施类似的规则吗？在哪里？…），所以我认为一定有一种聪明的方法（这不是额外的文档；-）为了解决这个问题。上述方法将以速度为代价解决这些问题，但不幸的是，这不是一个选项。对不起，我对R很陌生，从来没有听说过：你是说
saveRDS（myrule1，file=“myrule1.rds”）
，
res我是说打印
列表（myrule1，myrule2）
表格形式更好。有关R中OOP的说明，请参阅：
myrule1 <- quote(a < a0)
myfun1 <- function(rule, a, a0) {eval(rule)}

microbenchmark(a[myfun1(myrule1, a, 30)], times = 1000L, unit = "us")
#Unit: microseconds
#                      expr   min    lq     mean median    uq    max neval
# a[myfun1(myrule1, a, 30)] 1.792 2.049 2.286815  2.304 2.305 30.217  1000