r - 优化/向量化 R 中从输入向量的范围生成随机数的循环？

Question

问题:

我在 R 中使用循环从两个(“父级”)向量创建一个新向量，为新向量中的每个位置生成一个随机值，该值在父级在此位置的值范围内(它用于 genetic algorithm 中的交叉阶段)。请注意，我不想要 x 和 y 的平均值，而是在各个位置的值范围内的随机值。

示例代码:

x = c(0.1, 0.7, 1, 0.8)
y = c(0, 0.9, 0.2, 1)
child = rep(NA, length(x))
for(i in 1:length(x)){
  child[i] = sample(seq(min(x[i], y[i]),  
                        max(x[i],y[i]), by=0.01), 1)
}
# This might yield, for example: 0.02 0.83 0.73 0.88 

问题:

它工作正常，但我想也许有更有效的方法来执行此操作(因为我需要在数千次迭代中的每一次迭代中为 100-1000 个人执行此操作)。在 R 中，有一些不错的快速函数，例如 ifelse、colMeans、max.col、match , rollmean等，在矢量上工作，所以我想知道，是否也有类似的东西适合我的目的？ (不过，据我所知，apply 团伙在这里可能帮不上什么忙)。或者像这样的循环真的是我能做的最好的吗？

Answer 1

我们可以使用 runif 从均匀分布中获取随机数，并使用 pmax 和 pmin 向量化最小值和最大值:

round(runif(length(x), pmin(x, y), pmax(x, y)), 2)

一个小基准:

library(microbenchmark)

set.seed(42)
x <- runif(1000)
y <- runif(1000)

microbenchmark(vectorize ={round(runif(length(x), pmin(x, y), pmax(x, y)), 2)},
               mapply =  {mapply(runif, 1, pmin(x, y), pmax(x, y))},
               lapply = {unlist(lapply(seq_along(x), function(p, q, i) { sample(seq(min(p[i], q[i]), max(p[i],q[i]), by=0.01), 1) }, p=x, q=y))})

Unit: microseconds
      expr       min        lq       mean     median        uq       max neval cld
 vectorize   316.417   321.026   341.6501   336.0015   342.914   529.154   100 a  
    mapply  4311.559  4429.640  4733.0420  4543.6875  4806.535  9935.631   100  b 
    lapply 46987.459 47718.980 50484.6058 48474.5015 53599.756 60043.093   100   c