我有一个包含超过 250,000 个观察值的大型数据集，我想使用该TraMineR包进行分析。特别是，我想使用命令seqtree和seqdist，例如，当我使用 10,000 个观测值的子样本时，它可以正常工作。我的计算机可以管理的限制是大约 20,000 个观测值。
我想使用所有的观察结果，而且我确实可以使用一台能够做到这一点的超级计算机。但是，这并没有多大帮助，因为该过程仅在单个内核上运行。因此我的问题是，是否可以将并行计算技术应用于上述命令？还是有其他方法可以加快这个过程？任何帮助，将不胜感激！
内部seqdist函数是用 C++ 编写的，并进行了许多优化。因此，如果要并行化 seqdist，则需要在 C++ 中进行。该循环位于源文件“distancefunctions.cpp”中，您需要查看函数“cstringdistance”中位于第 300 行附近的两个循环（抱歉，所有注释均为法语）。不幸的是，第二个重要的优化是内存在所有计算之间共享。因此，我认为并行化会非常复杂。
除了选择样本外，您还应考虑以下优化：
seqdist使用优化匹配算法的优化版本有一个隐藏选项。它仍处于测试阶段（这就是它被隐藏的原因），但它应该在未来的版本中取代实际的算法。要使用它，请设置method="OMopt"，而不是method="OM"。根据您的序列，它可能会减少计算时间。