如何加快R中的循环速度？

Question

rm(list=ls())
library(gld)
library(GLDEX)

find_likelihood = function(x){
  fit = fit.fkml(x,"ML",return.data=TRUE)
  params = fit$optim.results$par
  dens = dgl(x, c(params), param = "fmkl", inverse.eps = 1e-08, max.iterations = 500)
  dens[dens < 1e-12] = 1e-12
  value = -sum(log(dens))
  return(value)
}

loglik_com = NULL
min_value = NULL

  for(j in 1: 1000){
    x = rgl(100,c(2, 1, 1, 1), param="fkml")
    for (i in 2:(100 - 2)) {
      a = x[1:i]
      b = x[(i + 1):100]
      loglik_com[i] = find_likelihood(a) + find_likelihood(b)
    }
    min_value[j] = min(na.omit(loglik_com))
  }

min_value

在我上面的R函数中，我有1000次迭代，但是要花费近7个小时才能得到结果。我的问题是，我可以使用apply（）函数来加快结果吗？还是我可以用来加速r函数的任何其他方式？

先谢谢您。

Answer 1

您可以尝试某种并行化，我看到有Parallel软件包吗？但是没有任何个人经验。https://www.rdocumentation.org/packages/parallel/versions/3.6.2https://dept.stat.lsa.umich.edu/~jerrick/courses/stat701/notes/parallel.html