函数内用foreach+doMC并行生成随机数出现重复值的原因及解决方法

你的parReplicate函数出现重复值的核心原因是doMC的fork机制导致子进程继承父进程的随机数生成器（RNG）状态，结合表达式提前固化的问题：

1. 调用parReplicate(10, rnorm(1))时，substitute(EXPR)在父进程中执行，生成表达式rnorm(1)并传递给所有worker。
2. doMC通过fork创建子进程，所有worker启动时完全继承父进程的RNG状态，因此每个worker第一次执行rnorm(1)生成的随机数完全相同。
3. 4核机器下，10次迭代会分配为2-3次/worker，每个worker内部的RNG状态会在迭代后更新，但不同worker的初始状态一致，导致后续迭代结果对应重复，最终出现4个值循环填充的现象。

而直接编写foreach循环时，循环体中的rnorm(1)在每个迭代的上下文独立执行，foreach会避免无依赖优化，每个迭代的RNG状态能正确独立更新，因此生成10个不同值。

推荐使用doRNG包管理并行随机数，它能自动为每个迭代分配独立种子，彻底解决重复问题：

步骤1：安装并加载依赖包 #

install.packages("doRNG")
library(doMC)
library(foreach)
library(doRNG)

步骤2：修改parReplicate函数 #

将%dopar%替换为%dorng%，保留表达式传递逻辑：

parReplicate <- function(NREP, EXPR, ncores=NULL, ...){
    if (is.null(ncores)) {
        doMC::registerDoMC()
    } else {
        doMC::registerDoMC(ncores)
    }
    expr <- substitute(EXPR)
    foreach(ii=1:NREP, ...) %dorng% {
        eval(expr)
    }
}

验证修复 #

调用修改后的函数：

parReplicate(10, rnorm(1))

此时会返回10个不同的随机数，符合预期。

替代方案（不依赖doRNG） #

如果不想引入额外包，可以让循环体依赖循环变量ii，强制foreach为每个迭代生成独立上下文，同时手动设置唯一种子：

# 需要先安装digest包
install.packages("digest")
library(digest)

parReplicate <- function(NREP, EXPR, ncores=NULL, ...){
    if (is.null(ncores)) {
        doMC::registerDoMC()
    } else {
        doMC::registerDoMC(ncores)
    }
    expr <- substitute(EXPR)
    foreach(ii=1:NREP, ...) %dopar% {
        # 基于进程ID和迭代序号生成唯一种子
        seed <- as.integer(digest::digest(paste(Sys.getpid(), ii), algo = "xxhash64"))
        set.seed(abs(seed))
        eval(expr)
    }
}

内容的提问来源于stack exchange，提问作者nothing