R 用mclappy控制种子

想象一下，我们正在进行一系列的过程，我想在一个项目的开始设置一个整体种子：例如

mylist <- list( as.list(rep(NA,3)), as.list(rep(NA,3)) )
foo <- function(x){  for(i in 1:length(x)){ 
                       x[[i]] <- sample(100,1)
                         }
                      return(x) 
                     } 

# start block
set.seed(1)
l1 <- lapply(mylist, foo)
l2 <- lapply(mylist, foo)
# end

如果我再次运行此块，下次将得到不同的结果。如何产生与使用

lappy

但使用

mclappy

设置一个整体种子相同的行为。我已经查看了

mclappy

doc，但我不确定，因为使用：

set.seed(1)
l1 <-  mclapply(mylist , foo,  mc.cores = 3, mc.set.seed=FALSE)
l2 <-  mclapply(mylist , foo,  mc.cores = 3, mc.set.seed=FALSE)

set.seed（1）
l1并行

软件包附带了对“L'Ecuyer-CMRG”随机数生成器的特殊支持，该生成器与并行同时推出。您可以通过以下方式阅读该支持的文档：

library(parallel)
?mc.reset.stream

要使用它，首先需要启用“L'Ecuyer-CMRG”：

执行此操作后，请输入以下代码：

set.seed(1)
mclapply(mylist, foo, mc.cores=3)
mclapply(mylist, foo, mc.cores=3)

将是可复制的，但对

mclappy

的两个调用将返回相同的结果。这是因为调用

mclappy

不会更改主进程中随机数生成器的状态

我使用以下函数跳过了

mclappy

工作者使用的随机数流：

skip.streams <- function(n) {
  x <- .Random.seed
  for (i in seq_len(n))
    x <- nextRNGStream(x)
  assign('.Random.seed', x, pos=.GlobalEnv)
}

---

您可以使用

clusterSetupRNG

。。。干杯，但图书馆（doRNG）的例子似乎已经过时，不再起作用，clusterSetupRNG并不是我真正要求的，除非你能给我看其他的。似乎有点变化。。。看一看第三页。或者使用

snow

实际上

？“%dorng%”的帮助页面给出了一个示例
set.seed(1)
mclapply(mylist, foo, mc.cores=3)
mclapply(mylist, foo, mc.cores=3)

skip.streams <- function(n) {
  x <- .Random.seed
  for (i in seq_len(n))
    x <- nextRNGStream(x)
  assign('.Random.seed', x, pos=.GlobalEnv)
}

set.seed(1)
mclapply(mylist, foo, mc.cores=3)
skip.streams(3)
mclapply(mylist, foo, mc.cores=3)
skip.streams(3)