如何一次性运行R中hw()函数的所有α/β/γ参数组合并优化代码？

问题背景 #

我尝试在R中运行预测函数hw()，参数为hw(TS, initial = 'simple', alpha = a, beta = b, gamma = g, h = future_num)，其中alpha、beta、gamma的取值范围为0到1，步长为0.1。需要遍历这三个参数的所有组合运行函数，目前用三重循环实现，但代码运行耗时超8分钟。Data_summary是含150行的数据框，freq=7，future_num=300，当前代码如下：

volume = 'UpdatedVol1'
TS <- ts(Data_summary[volume],start = c(sy,sm),frequency = freq) 
model_out = data.frame()
for(i in 1:length(alpha)){
  for(j in 1:length(beta)){
     for(k in 1:length(gama)){
        ### Model Output ###
        fore_hw <- hw(TS, initial = 'simple', alpha = 
                   alpha[i],beta=beta[j],gamma=gama[k],h=future_num)
        hw <- data.frame(ForecastVol =as.numeric(round(fore_hw$mean)))
        hw$ModelName <- "Ex HW"
        hw$Alpha <- alpha[i]
        hw$Beta <- beta[j]
        hw$Gama <- gama[k]
        model_out <- rbind(model_out,hw)    
     }
   }
 }

优化方案 #

1. 预先生成参数组合，替换嵌套循环 #

用expand.grid()一次性生成alpha、beta、gamma的所有组合，替代低效的三重循环，让逻辑更清晰，也便于批量处理。

2. 避免循环内反复rbind #

每次rbind都会复制整个数据框，当参数组合数达1331种（11×11×11）、单组合输出300行时，这种操作会极大拖慢速度。建议先将结果存入列表，最后一次性合并。

3. 并行处理加速 #

每个参数组合的模型运行完全独立，可利用多核CPU并行计算，大幅缩短运行时间。

基础优化版本（无并行） #

library(forecast)

# 生成所有参数组合
params <- expand.grid(
  Alpha = seq(0, 1, 0.1),
  Beta = seq(0, 1, 0.1),
  Gamma = seq(0, 1, 0.1)
)

volume <- 'UpdatedVol1'
TS <- ts(Data_summary[[volume]], start = c(sy, sm), frequency = freq)
future_num <- 300

# 用lapply遍历参数组合，结果存入列表
results_list <- lapply(1:nrow(params), function(row_idx) {
  p <- params[row_idx, ]
  fore_hw <- hw(TS, initial = 'simple', 
                alpha = p$Alpha, beta = p$Beta, gamma = p$Gamma, 
                h = future_num)
  
  data.frame(
    ForecastVol = as.numeric(round(fore_hw$mean)),
    ModelName = "Ex HW",
    Alpha = p$Alpha,
    Beta = p$Beta,
    Gamma = p$Gamma  # 修正原代码的拼写错误：gama → Gamma
  )
})

# 一次性合并所有结果
model_out <- do.call(rbind, results_list)

并行加速版本 #

library(forecast)
library(furrr)

# 启动并行会话（自动适配CPU核心数）
plan(multisession)

# 生成参数组合
params <- expand.grid(
  Alpha = seq(0, 1, 0.1),
  Beta = seq(0, 1, 0.1),
  Gamma = seq(0, 1, 0.1)
)

volume <- 'UpdatedVol1'
TS <- ts(Data_summary[[volume]], start = c(sy, sm), frequency = freq)
future_num <- 300

# 并行遍历参数组合
results_list <- future_map(1:nrow(params), function(row_idx) {
  p <- params[row_idx, ]
  fore_hw <- hw(TS, initial = 'simple', 
                alpha = p$Alpha, beta = p$Beta, gamma = p$Gamma, 
                h = future_num)
  
  data.frame(
    ForecastVol = as.numeric(round(fore_hw$mean)),
    ModelName = "Ex HW",
    Alpha = p$Alpha,
    Beta = p$Beta,
    Gamma = p$Gamma
  )
})

# 合并结果
model_out <- do.call(rbind, results_list)

# 关闭并行会话
plan(sequential)

额外优化细节 #

• 修正原代码拼写错误：gama改为Gamma，避免潜在bug
• 用Data_summary[[volume]]替代Data_summary[volume]，确保生成向量而非数据框，ts()处理更高效
• 若业务允许，可缩小参数范围（比如排除0或1这类极端值），进一步减少计算量

内容的提问来源于stack exchange，提问作者Chaitra Murthy