在R的diffeqr包求解SDE时能否设置随机种子？

好问题！diffeqr确实支持设置随机种子来复现SDE的求解结果，但不能直接在sde.solve()中传入seed参数——这是因为它的底层依赖Julia的DifferentialEquations.jl库，需要用对应的种子设置方式，下面给你两种可行的方法：

方法一：使用diffeqr内置的set_seed()函数 #

diffeqr专门提供了set_seed()函数来设置Julia环境的全局随机种子，调用它之后再执行SDE求解，就能得到完全可复现的结果：

library(diffeqr)
set_seed(123) # 这里设置你需要的随机种子值

f <- function(u,p,t) { return(1.01*u) }
g <- function(u,p,t) { return(0.87*u) }
u0 = 1/2
tspan <- list(0.0,1.0)
sol = sde.solve(f,g,u0,tspan, alg = "SKenCarp()")
udf = as.data.frame(sol$u)
plotly::plot_ly(udf, x = sol$t, y = sol$u, type = 'scatter', mode = 'lines')

这个函数本质上是调用了Julia的Random.seed!()方法，会确保后续所有依赖随机数的计算（包括SDE求解）都使用指定的种子。

方法二：直接调用Julia的Random模块 #

如果你需要更灵活的控制，可以通过julia_eval()直接执行Julia的种子设置命令：

library(diffeqr)
diffeqr::julia_eval("using Random; Random.seed!(123)") # 手动设置Julia随机种子

# 后续的SDE求解代码和你原来的一致
f <- function(u,p,t) { return(1.01*u) }
g <- function(u,p,t) { return(0.87*u) }
u0 = 1/2
tspan <- list(0.0,1.0)
sol = sde.solve(f,g,u0,tspan, alg = "SKenCarp()")
udf = as.data.frame(sol$u)
plotly::plot_ly(udf, x = sol$t, y = sol$u, type = 'scatter', mode = 'lines')

为什么直接加seed=123不生效？ #

sde.solve()的参数列表中并没有seed这个选项，它的参数是对Julia DifferentialEquations.jl中solve()函数的封装，而种子设置在Julia生态中是全局控制（或通过求解器的随机数生成器参数传递），diffeqr封装后提供了更简便的set_seed()来完成这个操作，所以直接传seed参数会被忽略，自然不会生效。

你可以测试一下上述两种方法：每次运行代码都会得到完全相同的SDE曲线，而不设置种子的话，每次的结果都会有差异。

内容的提问来源于stack exchange，提问作者user213544