r - 用 mclapply 控制种子

Question

想象一下，我们正在执行许多过程，我想在程序开始时设置一个整体种子: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

当然在一个块中 l1 和 l2 是不同的，但是如果我再次运行上面的块， l1 将与以前相同，而 l2 将与以前相同。

想象一下 foo 非常耗时，所以我想使用 mclapply 而不是 lapply ，所以我这样做:

library(parallel)

# start block
set.seed(1)
mclapply(mylist , foo,  mc.cores = 3)
mclapply(mylist , foo,  mc.cores = 3)
# end

如果我再次运行这个块，下次我会得到不同的结果。我如何产生与使用 lapply 但使用 mclappy 设置一个整体种子相同的行为。我已经浏览了 mclapply 文档，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)

导致 l1 和 l2 相同，这不是我想要的......

Answer 1

parallel 包特别支持与 parallel 同时引入的“L'Ecuyer-CMRG”随机数生成器。您可以使用以下方法阅读该支持的文档:

library(parallel)
?mc.reset.stream

要使用它，您首先需要启用“L'Ecuyer-CMRG”:

RNGkind("L'Ecuyer-CMRG")

完成后，代码如下:

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

将是可重现的，但对 mclapply 的两次调用将返回相同的结果。这是因为主进程中随机数生成器的状态不会通过调用 mclapply 改变。

我使用以下函数跳过 mclapply 工作人员使用的随机数流:

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

您可以使用此函数来获得我认为您想要的行为:

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