我了解set.seed() 的作用以及何时可以使用它，但我对该功能仍有很多疑问。以下是一些：
set.seed()，是否可以将set.seed()“重置”为“更随机”？这还有必要吗？set.seed() 允许字母数字种子，可以在random.org 输入它们的方式（确保您处于高级模式，请参阅表格的“第 3 部分”以了解我的意思)?【问题讨论】：
?.Random.seed（比这复杂一点，但也许其他人会回答）
?RNG 以获得大部分答案
只是为了好玩：
set.seed.alpha <- function(x) {
require("digest")
hexval <- paste0("0x",digest(x,"crc32"))
intval <- type.convert(hexval) %% .Machine$integer.max
set.seed(intval)
}
所以你可以这样做：
set.seed.alpha("hello world")
（实际上x可以是任何R对象，而不仅仅是字母数字字符串）
【讨论】：
village.names 的对象创建种子，我可能会做更多类似的事情：hexval <- paste0("0x", sapply(village.names, digest, "crc32")); intval <- type.convert(hexval) %% .Machine$integer.max 来生成一个种子列表以传递给另一个函数。感谢您迄今为止的所有建议！
这是可能的，如果你将种子设置为你的时间纪元的最后数字，但这真的没有必要。 PRNG 的预期用途是在会话开始时设置一次种子，并使用由此生成的连续变量。以不同的方式做事，您将无法享受 R RNG 所具有的各种良好的理论和经验特性。
但我不确定您是否真的了解 set.seed 的用途。获得“更多随机”数字并不是真的存在。如果您正在执行某种 R PRNG 不足的应用程序（例如，如果您需要加密随机性），您不妨通过某种替代方法生成所有随机数并直接使用它们。 set.seed 的真正目的是使用 RNG 生成结果的可重复性。如果您使用相同的随机数生成序列开始相同的分析，并将种子设置为相同的值，您将始终得到相同的结果。这有助于调试以及其他人查看您的结果。
要使用纪元时间，请执行以下操作
t <- as.numeric(Sys.time())
seed <- 1e8 * (t - floor(t))
set.seed(seed); print(seed)
【讨论】：
set.seed() 在使事物可重现等方面的目的。我在看的是，假设我做了set.seed(123); a = sample(300, 30); b = sample(300, 30)，但我只对使a“可重复”感兴趣——我希望b 的结果每次都不同。对我来说，这意味着在运行a 和b 之间，我需要以某种方式重置种子。
as.numeric(Sys.time())-> t; set.seed((t - floor(t)) * 1e8 -> seed); print(seed) 之类的方法对大多数用途都很有效。
rm(.Random.seed, envir=globalenv()) 相比，除了能够看到新的随机种子之外，Fhnuzoag 的解决方案还有什么优势吗？在我对 R 的有限使用中，我没有对globalenv() 做太多事情，所以我不太清楚我在做什么。不过，我可以理解我在用 Fhnuzoag 的解决方案做什么。我问是因为.Random.seed 的帮助文件指出它不应由用户更改，但它在其示例中建议rm(.Random.seed)....
对于您的问题 3，TeachingDemos 包中的 char2seed 函数将采用字符串（alhpa 数字）并将其转换为整数，默认情况下使用它来设置新种子。这个想法是学生可以使用他们的名字（或一些名字的组合/子集）作为种子，这样每个学生都会得到一个不同的数据集，但是老师可以复制每个学生的数据集。
【讨论】：
strsplit) 的结果的第一个元素来处理向量，或者简单地使用sapply、mapply 或Vectorize 可以与char2seed 一起使用以从向量中获取向量结果输入。
关于 2 的答案，请先查看帮助页面?RNGkind。
要查找正在使用的 RNG 类型：
RNGkind()
# [1] "Mersenne-Twister" "Inversion"
Mersenne Twister 是默认设置。
从帮助页面：
“Mersenne-Twister”：来自松本和西村（1998 年）。一种 扭曲的 GFSR 周期为 2^19937 - 1 且在 623 个连续维度（在整个期间）。这 ‘seed’ 是一个 624 维的 32 位整数集合加上一个 该集合中的当前位置。
要找到当前正在使用的种子，需要先调用随机数生成器。
runif(1, 0, 1)
# [1] 0.9834062
.Random.seed
# [Gives a 626 length vector]
调用set.seed(some_integer)，然后是.Random.seed，
如果您使用相同的some_integer，将始终给出相同的 626 长度向量。换句话说，长度为 626 的向量仅由 some_integer 确定，当然前提是使用 Mersenne Twister。
当然，当然，将set.seed 运行到某个固定值将为您调用跟随它的随机数例程提供相同的值。这是它在实践中的主要用途，以提供可重复性。例如
set.seed(1)
runif(5, 0, 1)
# [1] 0.2655087 0.3721239 0.5728534 0.9082078 0.2016819
rnorm(1, 0, 1)
# [1] 1.272429
set.seed(1)
runif(5, 0, 1)
# [1] 0.2655087 0.3721239 0.5728534 0.9082078 0.2016819
rnorm(1, 0, 1)
# [1] 1.272429
R中的所有基本数字生成器代码都在源代码的src/main/RNG.c文件中。
它是用 C 语言编写的，但相当容易理解。
【讨论】：
我遇到了与问题 1 相同的问题。然后我想我可以通过以下方式简单地在循环中重置种子：
set.seed(123)
x<- rnorm(10,1,1)
set.seed(null)
这样，在每个循环结束时，种子就被删除了。它对我有用。
【讨论】：
rm(.Random.seed, envir=globalenv())，在?.Random.seed 的帮助文件中提到了...
set.seed(null) 对我不起作用。有没有其他方法可以重置种子值或使其无效。