如何为函数闭包设置本地化RNG种子，确保闭包内随机数仅依赖该种子？

你的代码之所以得不到相同结果，核心问题是set.seed()修改的是全局随机数生成器（RNG）状态，所有闭包共享这个全局状态。当你先后创建两个闭包时，第二次调用tmp_fn_test_seed(1000)会重置全局种子，但调用第一个闭包时会推进全局RNG状态，第二个闭包调用时就会使用这个被推进后的状态，而非重新从种子1000开始。

要实现每个闭包拥有独立的RNG状态，让随机数生成仅依赖自身初始种子，你可以在闭包内部维护专属的种子状态，而非依赖全局状态。以下是可行的实现代码：

tmp_fn_test_seed <- function(seed) {
  # 保存当前全局RNG状态，避免外部函数影响全局环境
  old_seed <- .Random.seed
  on.exit(.Random.seed <- old_seed)
  
  # 初始化当前种子对应的RNG状态
  set.seed(seed)
  local_rng_state <- .Random.seed
  
  function() {
    # 临时切换到本地RNG状态
    .Random.seed <<- local_rng_state
    # 生成随机数
    rand_num <- runif(1)
    # 更新本地RNG状态为调用后的新状态
    local_rng_state <<- .Random.seed
    rand_num
  }
}

验证效果 #

运行以下代码，两个闭包的调用结果会完全一致，且后续调用各自的闭包会生成独立的随机序列，互不干扰：

tmp_fn_test_seed_1 <- tmp_fn_test_seed(1000)
tmp_fn_test_seed_2 <- tmp_fn_test_seed(1000)

tmp_fn_test_seed_1()
# [1] 0.3278787
tmp_fn_test_seed_2()
# [1] 0.3278787

# 再次调用各自的闭包，生成下一个随机数（各自独立推进）
tmp_fn_test_seed_1()
# [1] 0.07887294
tmp_fn_test_seed_2()
# [1] 0.07887294

关键细节说明 #

• on.exit(.Random.seed <- old_seed)：确保外部函数执行完毕后恢复全局RNG状态，不会影响其他代码的随机数生成逻辑。
• local_rng_state：每个闭包独有的变量，保存了当前闭包的RNG状态。每次调用闭包时，先切换到这个状态生成随机数，再更新状态，保证每个闭包的随机序列完全由初始种子决定，和其他闭包的调用无关。

内容的提问来源于stack exchange，提问作者Alex