来自R中大样本的Shapley-Shubik幂指数 库（演绎器） n、 玩家

您可以使用

sample

生成随机排列，而不是枚举所有17个！是的

library(Deducer)
n.players <- 17
weight <- c(84,92,22,12,12,15,11,22,16,1,12,15,26,20,9,29,4)
quota <- sum(weight)/2+1
p <-n.players
n.cases <-factorial(p)
tab <- perm(1:p)
critical <- rep(0,n.cases)
for (i in 1:n.cases){
weight.sum <- cumsum(weight[tab[i,]])
critical[i] <- tab[i,which.max(weight.sum >= quota)]
}
table(critical)
power <- table(critical)/n.cases
round(power,3)

---

n.当我需要shapley-shubik索引的实际值时，如何在R中扩大计算内存？在这种情况下，我最好使用“apply”而不是“for loop”。在这个网站上，计算一秒钟索引的实际值。尽管我使用“蒙特卡罗”作为索引，但我花的时间比使用前一个站点要多。很抱歉打扰您，如何使用“应用”转换代码以实现更快的计算？
Rprof
显示大部分时间都花在
sample
函数上：删除循环不会使代码更快。相反，您可以尝试减少样本数量，例如从1000000减少到100000（但第三个数字并不总是正确的）。非常感谢。从你所说的，为了更快的计算，我最好找到允许R使用比依赖“Montecarlo”更多内存的包，对吗？在这种情况下，获取所有案例比“采样”快得多，因为随机数生成时间相对较长。
n.cases <- 1e6
critical <- rep(0,n.cases)
for (i in 1:n.cases){
  random_permutation <- sample( 1:n.players )
  weight.sum <- cumsum( weight[ random_permutation ] )
  critical[i] <- random_permutation[ which.max(weight.sum >= quota) ]
}
table(critical)
power <- table(critical) / n.cases
round(power, 3)