如何让R使用更多的CPU使用率？

我注意到R并没有使用我所有的CPU，我想极大地增加它（增加到100%）。我不希望它只是并行几个函数；我希望R使用更多的CPU资源。我正在尝试使用lp（）函数运行纯IP集打包程序。目前，我运行windows，我的计算机上有4个内核

我试着用snow、doParallel和foreach做实验（尽管我不知道我到底在用它们做什么）

在我的代码中我有这个

library(foreach)
library(doParallel)
library(snowfall)

cl <- makeCluster(4)
registerDoParallel(cl)

sfInit(parallel = TRUE, cpus = 4)


#code that is taking a while to run but does not involve simulations/iterations

lp (......, all.int = TRUE)

sfStop()

库（foreach）
图书馆（双平行）
图书馆（降雪）
cl如果您试图并行运行4个不同的LPs，下面介绍如何在
snowfall
中执行此操作

sfInit(parallel=TRUE, cpus=4)
sfSource(code.R) #if you have your function in a separate file
sfExport(list=c("variable1","variable2",
            "functionname1")) #export your variables and function to cluster
results<-sfClusterApplyLB(parameters, functionname) #this starts the function on the clusters

sfInit（parallel=TRUE，cpu=4）
sfSource（code.R）#如果您的函数位于单独的文件中
sfExport（列表=c（“变量1”、“变量2”），
“functionname1”）#将变量和函数导出到集群
结果将此作为答案发布，因为评论中没有足够的空间。

这不是直接针对您的问题的答案，而是针对性能的答案


默认情况下，R使用慢速统计库，默认情况下也只能使用单核。改进的库是OPENBLAS/ATLAS。但是，安装这些设备可能会很麻烦。

就我个人而言，我最终使用了它

我最终使用了+MKL，它改进了BLAS库和多cpu支持。这是一种替代的R分布，其速度应该是常规R的20倍（我不能证实这一点，但它要快得多）

此外，您可以检查，看看是否有任何支持lp功能的改进包

还有一些软件包可以探索多cpu的使用情况。

Gavin的回答以及上面@user3293236的回答显示了允许多CPU使用的软件包的几种可能性。
如果您需要并行运行4个整数程序，那么您使用的软件包将非常有用。如果您需要使用所有4个内核运行一个整数程序，那么您需要找到一个为您运行该程序的包（我认为
lpSolve
包不提供该选项）；您可能会在评论中发现一些建议的软件包很有帮助。是否有允许我使用所有内核运行程序的软件包？它不一定是特定于IP的，但更重要的是，我可以提高我的R的CPU使用率吗？据我所知不是这样的——并行化函数通常需要对它们的工作方式有相当深入的了解。例如，并行化MIPs非常复杂，是运筹学和相关社区的一个活跃研究领域。您可以阅读更多有关并行处理的R包的信息。最简单的解决方案是使用Revolution R的发行版。它使用CPU的SIMD指令在单核上实现4倍的加速。它也比R本身更有效地使用多核。在i7上运行
svd
在RRO上的速度是普通R的7倍。在确保R本身以最大速度运行后，应尝试并行化解决方案。