将复杂for循环替换为apply in R

我试图用R中的apply函数族（如果可能的话）替换运行了一百万次的for循环。我被告知，这将大大加快这一进程，因此我认为我将接触到专家界。问题是：

@汉斯沃纳指出了一个线性规划的解决方案，解决了我之前的一个问题，我试图找到合适的人来做这项工作

#导入D中的数据
str（D）
#准备约束矩阵
A for循环本身不太可能是这里的瓶颈。一次呼叫
lp
需要多长时间。将其乘以计划运行的次数。您（使用这些工具）无法在比这更短的时间内运行它。切换到
*apply
可能不会节省很多时间。但是，如果你有一个多核机器，使用<代码>并行包的代码> McApple < /C>或类似的工具肯定会加速事情的发展。C++是一个解决方案库。如果真的需要那么长的时间，那么通过Rcpp来完成可能是一种方式。
# Import data in D
    str(D)

# Prepare constraint matrix
A <- matrix(0, nrow = 5, ncol = 299)
A[1, c(1:27, 279:299)] <- 1     # Plumbers
A[2, 28:97] <- 1                # Electricians
A[3, 98:190] <- 1               # Const Workers
A[4, 191:278] <- 1              # Cleanup
A[5, ] <- D$Cost                # cost <= 100000

# Prepare input for LP solver
objective.in <- D$Value
const.mat <- A
const.dir <- c(">=", ">=", ">=", ">=", "<=")
const.rhs <- c(1, 2, 2, 2, 100000)

# Now solve the problem
require(lpSolve)
sol <- lp(direction = "max", objective.in, # maximize objective function
        const.mat, const.dir, const.rhs,   # constraints
        all.bin = TRUE)                    # use binary variables only

# View the solution
sol

## 100000
inds <- which(sol$solution == 1)
D[inds, ]

## Success: the objective function is 589
sum(D$Cost[inds])

for(i in 1:million)
{
# Change objective.in

sol <- lp(direction = "max", objective.in, # maximize objective function
            const.mat, const.dir, const.rhs,   # constraints
            all.bin = TRUE)                    # use binary variables only

# Do some comparisons and MAYBE save the solution
}