r - 如何在 R 中有效地增长向量？

Question

假设您有一个将数字作为输入并输出向量的函数。但是，输出向量大小取决于输入，您不能在函数之前计算它。

例如，取 3N+1 famous algorithm .该算法的一个简单实现，返回整个路径直到 1 可能如下所示:

compute <- function(x) {
  if (x %% 2 == 0)
    return(x / 2)
  return(3*x + 1)
}

algo <- function(x) {
  if (x == 1)
    return(1)

  output <- x
  while(x != 1) {
    x <- compute(x)
    output <- c(output, x)
  }

  return(output)
}

根据函数，algo 函数将输入 X 的整个路径返回到 1。如您所知，output 变量使用 c()(组合)函数动态增长。

有什么替代方案吗？列表增长得更快吗？我是否应该采用一些经典的动态矢量逻辑，例如初始化一个空的 N 大小的矢量，并在每次满时加倍？

编辑:请不要介意尝试优化我的辅助函数的结构方式。我明白了，但这不是重点!我只关心 c() 函数及其替代方法。

Answer 1

更新

根据您的编辑，也许您可​​以检查以下解决方案

algo_TIC2 <- function(x) {
  res <- x
  repeat {
    u <- tail(res, 1)
    if (u != 1) {
      res[length(res) + 1] <- if (u %% 2) 3 * u + 1 else u / 2
    } else {
      return(res)
    }
  }
}

---

你可以像下面这样使用递归

compute <- function(x) if (x %% 2) 3*x + 1 else x / 2
algo_TIC1 <- function(x) {
  if (x == 1) {
    return(1)
  }
  c(x, algo_TIC1(compute(x)))
}

你会看到

> algo_TIC1(3000)
 [1] 3000 1500  750  375 1126  563 1690  845 2536 1268  634  317  952  476  238
[16]  119  358  179  538  269  808  404  202  101  304  152   76   38   19   58
[31]   29   88   44   22   11   34   17   52   26   13   40   20   10    5   16
[46]    8    4    2    1

---

如果你不需要任何辅助函数，即compute，你可以试试

algo_TIC1 <- function(x) {
  if (x == 1) {
    return(1)
  }
  c(x, algo_TIC1(if (x %% 2) 3*x + 1 else x / 2))
}