当使用“L'Ecuyer-CMRG”RNG 时，R 不会重置种子？

我在 R 中做了一些并行模拟，我注意到种子 使用“L'Ecuyer-CMRG”rng 时不会更改。我正在读书 “Parallel R”一书，选项 mc.set.seed = TRUE 应该给出 每次调用 mclapply() 时，每个工作人员都会获得一个新种子。

这是我的代码：

library(parallel)
RNGkind("L'Ecuyer-CMRG")

mclapply(1:2, function(n) rnorm(n), mc.set.seed = TRUE)
[[1]]
[1] -0.7125037

[[2]]
[1] -0.9013552  0.3445190

mclapply(1:2, function(n) rnorm(n), mc.set.seed = TRUE)
[[1]]
[1] -0.7125037

[[2]]
[1] -0.9013552  0.3445190

编辑：同样的事情发生在我的台式机和笔记本电脑上（均为 Ubuntu 12.04 LTS）。

在我看来，如果您想保证 R 会话中对 mclapply 的后续调用获得不同的随机数，您需要使用不同的值调用 set.seed，删除全局变量“.Random.seed”，或生成在再次调用 mclapply 之前，该 R 会话中至少有一个随机数。

出现此行为的原因是 mclapply（与 mcparallel 不同）在内部调用 mc.reset.stream。这会将“parallel”包中隐藏的种子重置为“.Random.seed”的值，因此，如果再次调用 mclapply 时“.Random.seed”没有更改，则由 mclapply 启动的工作程序将获得与之前相同的随机数。

请注意，clusterApply 和 parLapply 等函数的情况并非如此，因为它们使用持久工作线程，因此会继续从 RNG 流中抽取随机数。但每次调用 mclapply 时都会有新的工作线程被分叉，这可能会让这种行为变得更加困难。

以下是使用 mclapply 将种子设置为不同值以便获取不同随机数的示例：

RNGkind("L'Ecuyer-CMRG")
set.seed(100)
mclapply(1:2, function(i) rnorm(2))
set.seed(101)
mclapply(1:2, function(i) rnorm(2))

以下是删除“.Random.seed”的示例：

RNGkind("L'Ecuyer-CMRG")
mclapply(1:2, function(i) rnorm(2))
rm(.Random.seed)
mclapply(1:2, function(i) rnorm(2))

这是在主机上生成随机数的示例：

RNGkind("L'Ecuyer-CMRG")
mclapply(1:2, function(i) rnorm(2))
rnorm(1)
mclapply(1:2, function(i) rnorm(2))

我不确定哪种方法是最好的方法，但这可能取决于您想要做什么。

尽管看起来简单地多次调用 mclapply 而不更改“.Random.seed”会产生可重现的结果，但我不知道这是否得到保证。为了保证可重现的结果，我认为你需要调用 set.seed：

RNGkind("L'Ecuyer-CMRG")
set.seed(1234)
mclapply(1:2, function(i) rnorm(2))
set.seed(1234)
mclapply(1:2, function(i) rnorm(2))