如何向parLapply传入两组对应数据以并行计算AKDE家域

你的问题核心是并行调用akde时，没有将每个遥测对象与对应的M.IID模型一一配对，而是把整个M.IID列表传给了所有任务，导致所有计算都复用了M.IID的第一个模型，结果自然和串行不一致。

修改步骤及代码 #

1. 给并行集群加载依赖包：集群节点默认不会加载ctmm包，必须显式加载，否则会报错。
2. 配对数据与对应模型：将buffalo和M.IID按索引一一配对成新的列表，确保每个遥测数据对应自己的拟合模型。
3. 自定义并行处理函数：在parLapply中使用自定义函数，从配对后的元素中取出数据和模型，调用akde。

修改后的完整代码：

#Loading libraries
library(ctmm)
library(parallel)

#Reading in the example data associated with the ctmm package
data("buffalo")

#Adding an ID column to all lists
for(i in 1:length(buffalo)){
  buffalo[[i]][7] <- names(buffalo[i])
  names(buffalo[[i]])[7] <- "ID"
}

#Setting up a cluster for parallel processing
no_cores <- detectCores() - 1
cl <- makeCluster(no_cores)
# 给集群节点加载ctmm包
clusterEvalQ(cl, library(ctmm))

# 并行拟合IID模型
M.IID <- parLapply(cl, buffalo, ctmm.fit) 

# 配对每个buffalo数据和对应的M.IID模型
paired_data <- mapply(function(dat, mod) list(data=dat, model=mod), 
                      buffalo, M.IID, SIMPLIFY=FALSE)

# 并行计算KDE：每个任务处理配对好的数据和模型
KDE <- parLapply(cl, paired_data, function(x) {
  akde(x$data, CTMM=x$model, units=FALSE)
})

# 提取家域结果（简化代码，无需手动逐个索引）
summ <- lapply(KDE, summary)
HR.values <- sapply(summ, function(s) s[[2]][[2]], simplify=FALSE)
names(HR.values) <- names(buffalo)

# 停止集群
stopCluster(cl)

关键修改说明 #

• 集群加载包：clusterEvalQ(cl, library(ctmm)) 确保每个并行节点都能找到ctmm的函数，避免akde找不到的错误。
• 配对数据与模型：mapply将buffalo和M.IID的对应元素打包成列表，保证第i个遥测数据对应第i个拟合模型。
• 自定义并行函数：在parLapply中传入配对后的列表，函数内部取出对应的数据和模型调用akde，实现一一对应。
• 简化结果提取：用lapply和sapply替代手动写6个元素的列表，代码更简洁且适配不同数量的遥测对象。

内容的提问来源于stack exchange，提问作者Jason Edelkind