我通过 R 中的 for 循环多次运行算法。我的循环非常基本，看起来像这样。
iter <- 5 #number of iterations
result <- list()
for (i in 1:iter) {
fit <- algorithm() #this is an example function that starts the algorithm
result[[i]] <- print(fit)
}
问题在于每次运行的运行时间差异很大。有的跑只需要 10 分钟，有的则需要一个多小时。但是，我知道较长的运行时间是由于算法由于初始值而存在问题，并且这些运行的结果无论如何都会是错误的。
所以，我现在正在寻找一种解决方案，即 (1) 在1000 秒，(2) 继续 for 循环，(3) 为每个中断添加一个额外的迭代。所以，最后，我想要运行时间少于 1000 秒的五次运行的结果。
有人有想法吗？这在技术上是否可行？提前致谢！
【问题讨论】：
标签： r
我认为您可以为此使用setTimeLimit。
快速演示：
setTimeLimit(elapsed = 2)
Sys.sleep(999)
# Error in Sys.sleep(999) : reached elapsed time limit
setTimeLimit(elapsed = Inf)
（请务必注意，当您不再希望中断时，您应该返回时间限制设置。）
我的“复杂算法”会随机休眠。那些随机长度是
set.seed(42)
sleeps <- sample(10, size=5)
sleeps
# [1] 1 5 10 8 2
我将设置一个 6 秒的任意限制，超过此限制睡眠将被中断，我们将不会获得任何返回值。这应该会中断第三个和第四个元素。
iter <- 5
result <- list()
for (i in seq_len(iter)) {
result[[i]] <- tryCatch({
setTimeLimit(elapsed = 6)
Sys.sleep(sleeps[[i]])
setTimeLimit(elapsed = Inf)
c(iter = i, slp = sleeps[[i]])
}, error = function(e) NULL)
}
result
# [[1]]
# iter slp
# 1 1
# [[2]]
# iter slp
# 2 5
# [[3]]
# NULL
# [[4]]
# NULL
# [[5]]
# iter slp
# 5 2
如果你有不同的“睡眠”并且你最终得到一个比你需要的更短的对象，只需附加它：
result <- c(result, vector("list", 5 - length(result)))
我会稍微改进一下，有几件事：
result时，我更喜欢lapply而不是for循环；和on.exit，它确保在其外壳退出时调用一个函数，无论是由于错误与否。result <- lapply(seq_len(iter), function(i) {
setTimeLimit(elapsed = 6)
on.exit(setTimeLimit(elapsed = Inf), add = TRUE)
tryCatch({
Sys.sleep(sleeps[i])
c(iter = i, slp = sleeps[i])
}, error = function(e) NULL)
})
result
# [[1]]
# iter slp
# 1 1
# [[2]]
# iter slp
# 2 5
# [[3]]
# NULL
# [[4]]
# NULL
# [[5]]
# iter slp
# 5 2
在这种情况下，result 的长度为 5，因为 lapply 每次迭代都会返回一些内容。 （lapply 的使用对于 R 来说是惯用的，它的效率通常在 apply 和 map-like 方法中，不像其他语言通过文字 for 循环实现真正的速度。）
（顺便说一句：除了on.exit 逻辑，我也可以使用tryCatch(..., finally=setTimeLimit(elapsed=Inf))。）
on.exit 逻辑的替代方法是在要限制的执行块内 中使用setTimeLimit(.., transient=TRUE)。这将使这段代码
result <- lapply(seq_len(iter), function(i) {
tryCatch({
setTimeLimit(elapsed = 6, transient = TRUE)
Sys.sleep(sleeps[i])
c(iter = i, slp = sleeps[i])
},
error = function(e) NULL)
})
这样做的一个好处是，无论受限代码块是否成功/中断，一旦完成，限制就会立即解除，因此无意中将其留在原位的风险较小。
【讨论】：