我有以下四个方程(a，b，c，d(，有几个不同的变量(x，t，v，w，n，f(。我的目标是尝试找到所有变量值集，这些变量值将生成方程(a，b，c，d(的所有正(和非零(数。一个常规循环只会遍历生成的序列的每个数字，并系统地检查它是否生成正值。我希望它从每个序列中提取随机数，并将其与R中的其他序列进行比较。例如(x＝8，t＝2.1，v＝13，w＝1，n＝10，f＝1(是一组可能的组合。
请不要建议对这些问题进行分析求解，然后找出值。这些只是我正在处理的方程的简单表示。我的方程式相当复杂，有超过15个变量。
#Equations
a <- x * t - 2*x
b <- v - x^2
c <- x - w*t - t*t
d <- (n - f)/t
x <- seq(from = 0.0001, to = 1000, by = 0.1)
t <- seq(from = 0.0001, to = 1000, by = 0.1)
v <- seq(from = 0.0001, to = 1000, by = 0.1)
w <- seq(from = 0.0001, to = 1000, by = 0.1)
n <- seq(from = 0.0001, to = 1000, by = 0.1)
f <- seq(from = 0.0001, to = 1000, by = 0.1)
首先，最好将方程和探测值组织到列表中：
set.seed(1222)
values <- list(x = x, t = t, v = v, w = w, n = n, f = f)
eqs <- list(
a = expression(x * t - 2 * x),
b = expression(v - x^2),
c = expression(x - w*t - t*t),
d = expression((n - f)/t)
)
然后，我们可以定义从每个探针向量中随机抽取的样本数量：
samples <- 3
values.sampled <- lapply(values, sample, samples)
$x
[1] 642.3001 563.1001 221.3001
$t
[1] 583.9001 279.0001 749.1001
$v
[1] 446.6001 106.7001 0.7001
$w
[1] 636.0001 208.8001 525.5001
$n
[1] 559.8001 28.4001 239.0001
$f
[1] 640.4001 612.5001 790.1001
然后，我们可以迭代每个存储的方程，在"采样"环境中评估方程：
results <- sapply(eqs, eval, envir = values.sampled)
a b c d
[1,] 373754.5 -412102.82 -711657.5 -0.1380373
[2,] 155978.8 -316975.02 -135533.2 -2.0935476
[3,] 165333.3 -48973.03 -954581.8 -0.7356827
从那里你可以删除任何0或更小的值：
results[results <= 0] <- NA
如果每个独立的值都可以取相同的值(例如seq(from = 0.0001, to = 1000, by = 0.1)(，我们可以更严格地处理这个问题，并避免生成重复的可能性。首先，我们创建一个masterFun，它本质上是您想要定义的所有函数的包装器：
masterFun <- function(y) {
## y is a vector with 6 values
## y[1] -->> x
## y[2] -->> t
## y[3] -->> v
## y[4] -->> w
## y[5] -->> n
## y[6] -->> f
fA <- function(x, t) {x * t - 2*x}
fB <- function(v, x) {v - x^2}
fC <- function(x, w, t) {x - w*t - t*t}
fD <- function(n, f, t) {(n - f)/t}
## one can easily filter out negative
## results as @jdobres has done.
c(a = fA(y[1], y[2]), b = fB(y[3], y[1]),
c = fC(y[1], y[4], y[2]), d = fD(y[5], y[6], y[2]))
}
现在，使用permuteSample，它能够生成向量的随机排列，并随后将任何给定的用户定义函数应用于每个排列，从RcppAlgos(我是作者(，我们得到：
## Not technically the domain, but this variable name
## is concise and very descriptive
domain <- seq(from = 0.0001, to = 1000, by = 0.1)
library(RcppAlgos)
## number of variables ... x, t, v, w, n, f
## ||
## /
permuteSample(domain, m = 6, repetition = TRUE,
n = 3, seed = 123, FUN = masterFun)
[[1]]
a b c d
218830.316100 -608541.146040 -310624.596670 -1.415869
[[2]]
a b c d
371023.322880 -482662.278860 -731052.643620 1.132836
[[3]]
a b c d
18512.60761001 -12521.71284001 -39722.27696002 -0.09118721
简言之，底层算法能够生成nth词典编纂结果，这允许我们将1 to "# of total permutations"的映射应用于排列本身。例如，给定向量1:3:的排列
permuteGeneral(3, 3)
[,1] [,2] [,3]
[1,] 1 2 3
[2,] 1 3 2
[3,] 2 1 3
[4,] 2 3 1
[5,] 3 1 2
[6,] 3 2 1
我们可以很容易地生成上面的2nd和5th排列，而无需生成第一个排列或前四个排列：
permuteSample(3, 3, sampleVec = c(2, 5))
[,1] [,2] [,3]
[1,] 1 3 2
[2,] 3 1 2
这使我们能够对我们的随机样本有更可控和更具体的把握，因为我们现在可以用更熟悉的方式来看待它们(即数字的随机样本(。
如果你真的想看看在上面的计算中使用了哪些变量，我们只需删除FUN参数：
permuteSample(domain, m = 6, repetition = TRUE, n = 3, seed = 123)
[,1] [,2] [,3] [,4] [,5] [,6]
[1,] 780.7001 282.3001 951.5001 820.8001 289.1001 688.8001
[2,] 694.8001 536.0001 84.9001 829.2001 757.3001 150.1001
[3,] 114.7001 163.4001 634.4001 80.4001 327.2001 342.1001