复算法R中的矢量化

我的代码多次调用下面的函数。我使用Rprof发现它占用了1/3的执行时间

我听说R可以通过矢量化变得更快。但是，我使用的算法访问两个不同列表中的两个索引，因此我不知道*ply函数如何工作

还有什么可以做的来优化它吗

n是整数，u和v是复数列表

psi <- function(n, u, v)
{
    psi = complex(real = 0, imaginary = 0)

    for (i in 1 : (n - 1))
    {
        for (j in (i + 1) : n)
        {
            psi = psi + log(u[i] * v[j] - u[j] * v[i])
        }
    }

    return (psi * 3)
}

---

psi如果我读对了你的代码，对于
n=4的情况，你的总和归结为

log(u[1]*v[2] - u[2]*v[1]) +
log(u[1]*v[3] - u[3]*v[1]) +
log(u[1]*v[4] - u[4]*v[1]) +

log(u[2]*v[3] - u[3]*v[2]) +
log(u[2]*v[4] - u[4]*v[2]) +

log(u[3]*v[4] - u[4]*v[3])

这就是所有可能的n选择2的组合。您可以使用
combn（）
创建这样的索引列表

psi我相信下面的方法可能会解决您的问题。我之所以选择这种表达方式，是因为考虑到你已经做过的事情，我认为它是非常透明的。基本上，我只是预先生成了一个I和j的向量，并像你们一样使用它们，但同时作为向量（复制和粘贴你们的方程）

psi
psi <- function(n,u,v) {
    mx <- function(p) {a<-p[1]; b<-p[2]; log(u[a]*v[b]-u[b]*v[a])}
    sum(combn(n,2, FUN=mx)) * 3
}

psi <- function(n,u,v) {
    j <- combn(n, 2) #I'll overwrite j later to conserve memory
    i <- j[1,]
    j <- j[2,]
    sum(log(u[i] * v[j] - u[j] * v[i])) * 3
}

n <- 5
combn(n, 2)

for (i in 1 : (n - 1))
{
    for (j in (i + 1) : n)
    {
        print(c(i, j))
    }
}