如何设置种子随机模拟与foreach和doMC包

Question

我需要做一些模拟，为了调试目的，我想使用set.seed来获得相同的结果。下面是我要做的例子:

library(foreach)
library(doMC)
registerDoMC(2)
set.seed(123)
a <- foreach(i=1:2,.combine=cbind) %dopar% {rnorm(5)}
set.seed(123)
b <- foreach(i=1:2,.combine=cbind) %dopar% {rnorm(5)}

对象a和b应该是相同的，即sum(abs(a-b))应该是零，但事实并非如此。我做错了什么，或者我偶然发现了一些功能?

我可以用R 2.13和R 2.14在两个不同的系统上复制这个

Answer 1

我的默认答案过去是"好吧，那么不要这样做"(使用foreach)，因为snow包为您做了这个(可靠的!)

但是正如@Spacedman指出的那样，如果你想留在doFoo/每个家庭，雷诺的新doRNG就是你正在寻找的。

真正的关键是一个clusterapply风格的调用，用于在所有节点上设置种子。以一种跨流协调的方式。哦，我有没有提到蒂尔尼，罗西尼，李和塞夫奇科娃的雪已经为你做了将近十年了?

编辑:虽然您没有问snow，但为了完整起见，这里有一个来自命令行的示例:

edd@max:~$ r -lsnow -e'cl <- makeSOCKcluster(c("localhost","localhost"));
         clusterSetupRNG(cl);
         print(do.call("rbind", clusterApply(cl, 1:4, 
                                             function(x) { stats::rnorm(1) } )))'
Loading required package: utils
Loading required package: utils
Loading required package: rlecuyer
           [,1]
[1,] -1.1406340
[2,]  0.7049582
[3,] -0.4981589
[4,]  0.4821092
edd@max:~$ r -lsnow -e'cl <- makeSOCKcluster(c("localhost","localhost"));
         clusterSetupRNG(cl);
         print(do.call("rbind", clusterApply(cl, 1:4, 
                                             function(x) { stats::rnorm(1) } )))'
Loading required package: utils
Loading required package: utils
Loading required package: rlecuyer
           [,1]
[1,] -1.1406340
[2,]  0.7049582
[3,] -0.4981589
[4,]  0.4821092
edd@max:~$ 

编辑:为了完整起见，这里是您的示例与doRNG

文档中的内容相结合

> library(foreach)
R> library(doMC)
Loading required package: multicore
Attaching package: ‘multicore’
The following object(s) are masked from ‘package:parallel’:
    mclapply, mcparallel, pvec
R> registerDoMC(2)
R> library(doRNG)
R> set.seed(123)
R> a <- foreach(i=1:2,.combine=cbind) %dopar% {rnorm(5)}
R> set.seed(123)
R> b <- foreach(i=1:2,.combine=cbind) %dopar% {rnorm(5)}
R> identical(a,b)
[1] FALSE                     ## ie standard approach not reproducible
R>
R> seed <- doRNGseed()
R> a <- foreach(i=1:2,combine=cbind) %dorng% { rnorm(5) }
R> b <- foreach(i=1:2,combine=cbind) %dorng% { rnorm(5) }
R> doRNGseed(seed)
R> a1 <- foreach(i=1:2,combine=cbind) %dorng% { rnorm(5) }
R> b1 <- foreach(i=1:2,combine=cbind) %dorng% { rnorm(5) }
R> identical(a,a1) && identical(b,b1)
[1] TRUE                      ## all is well now with doRNGseed()
R> 

Answer 2

使用set.seed(123, kind = "L'Ecuyer-CMRG")也可以做到这一点，并且不需要额外的软件包:

set.seed(123, kind = "L'Ecuyer-CMRG")
a <- foreach(i=1:2,.combine=cbind) %dopar% {rnorm(5)}
set.seed(123, kind = "L'Ecuyer-CMRG")
b <- foreach(i=1:2,.combine=cbind) %dopar% {rnorm(5)}
identical(a,b)
# TRUE

Answer 3

doRNG包对您有用吗?我怀疑你的问题是由于两个线程都溅射随机种子向量:

http://ftp.heanet.ie/mirrors/cran.r-project.org/web/packages/doRNG/index.html

Answer 4

对于更复杂的循环，您可能必须在For循环的中包含set.seed() :

library(foreach)
library(doMC)
registerDoMC(2)
library(doRNG)
set.seed(123)
a <- foreach(i=1:2,.combine=cbind) %dopar% {
  create_something <- c(1, 2, 3)
  rnorm(5)
}
set.seed(123)
b <- foreach(i=1:2,.combine=cbind) %dopar% {
  create_something  <- c(4, 5, 6)
  rnorm(5)
}
identical(a, b)
# FALSE

和

a <- foreach(i=1:2,.combine=cbind) %dopar% {
  create_something  <- c(1, 2, 3)
  set.seed(123)
  rnorm(5)
}
b <- foreach(i=1:2,.combine=cbind) %dopar% {
  create_something  <- c(4, 5, 6)
  set.seed(123)
  rnorm(5)
}
identical(a, b)
# TRUE