量化俱乐部

首先安装 TeXLive，用 DVD 或者网络安装都可以，在安装时最好选择创建符号连接，这样不用再手动修改 PATH。组件的部分，我的习惯是去除多余的语言支持，保留 CJK 基本组件和中文。

装好之后，需要配置中文字体，CentOS 自带文泉驿和思源黑体，用下面的命令安装：

如果还需要其他字体，比如非常漂亮的 Adobe 字体集（Adobe 仿宋、Adobe 黑体、Adobe 宋体等，Adobe Acrobat 自带），就给每个字体建立一个目录，然后 cp 到 /usr/share/fonts 中。

在全部字体装完后，为了让 XeLaTeX 可以使用系统字体，按官方文档的做法，将 TEXMFSYSVAR/fonts/conf/texlive-fontconfig.conf 复制到 /etc/fonts/conf.d/09-texlive.conf，对 TeXLive 2015，就是

然后执行

为了知道系统中有哪些中文字体可用，可以执行下面的命令

会将中文字体名称输入到 zhfont.txt，然后使用每行冒号前的名称即可（中英文名称都试一下）。

对 RStudio 来说，使用 RMarkdown，如果需要输入中文，在同目录新建文件如 cjk_header.tex，内容如下：

然后在 .Rmd 文件的文件头 output 的 pdf_document 处加入 includes 和 latex_engine 字段，如下：

这时再进行 Knit，就可以显示中文了。

R 中 BLAS 模块是用来进行矩阵计算等的，而 R 本身带的 BLAS 和 LAPACK 模块运算效率较为低下，我们可以通过替换这两个模块实现运算速度的大幅增加。

RRO（Revolution R Open）是 Revolution 出品的第三方 R 版本，在其中使用了 Intel MKL 库作为 BLAS 和 LAPACK 的运算库，大大提高了 R 的矩阵运算效率。由于 Intel MKL 为收费组件，我们无法直接得到，因此可以通过 RRO 提供的 RevoMath 附加包令官方 R 版本具有 Intel MKL。

下面是 Windows 和 Linux 下的替换方法：

1、Windows

最简单的方法是安装 RRO 和 RevoMath。当然，如果我们不想用 RRO，也可以通过安装 RRO 和 RevoMath，然后提取
$R_HOME$\bin\x64 中的 libiomp5md.dll、 Rblas.dll、 Rlapack.dll 放入官方 R 版本中的相同目录，并覆盖原文件。（如果考虑随后的切换，也可以备份原来的 Rblas.dll 和 Rlapack.dll。）为了可以调节运算所需 CPU 单元，也可以将 RRO 的 library 中的 RevoUtilsMath 目录复制到官方 R 版本中的 library 目录。

2、Linux

我这里以 openSUSE 13.2 64-bit 为例说明。 $R_HOME$ 为 /usr/lib64/R，下载 RRO 官网上的 openSUSE 条目下 MKL 文件（RevoMath 3.2.4），解压缩后复制到 $R_HOME$ 中 lib 文件夹，在该文件夹下执行：

同时修改 $R_HOME/etc/Rprofile.site 文件（没有则创建该文件），增加如下两行：

这时可以进行测试，运算速度将得到极大提升。

采用 ATT 上 R Benchmarks 中的 R Benchmarks 2.5，在替换 Intel MKL 后的系统中，结果如下：

R Benchmark 2.5
   ===============
Number of times each test is run__________________________:  3

I. Matrix calculation



Creation, transp., deformation of a 2500x2500 matrix (sec):  0.996666666666594 
2400x2400 normal distributed random matrix ^1000____ (sec):  0.363333333332776 
Sorting of 7,000,000 random values__________________ (sec):  0.64333333333343 
2800x2800 cross-product matrix (b = a' * a)_________ (sec):  0.486666666665769 
Linear regr. over a 3000x3000 matrix (c = a \ b')___ (sec):  0.310000000000097 
                      --------------------------------------------
                 Trimmed geom. mean (2 extremes eliminated):  0.484534047305902

II. Matrix functions



FFT over 2,400,000 random values____________________ (sec):  0.39666666666623 
Eigenvalues of a 640x640 random matrix______________ (sec):  0.336666666666739 
Determinant of a 2500x2500 random matrix____________ (sec):  0.266666666666424 
Cholesky decomposition of a 3000x3000 matrix________ (sec):  0.25 
Inverse of a 1600x1600 random matrix________________ (sec):  0.263333333333018 
                      --------------------------------------------
                Trimmed geom. mean (2 extremes eliminated):  0.287006387703729

III. Programmation



3,500,000 Fibonacci numbers calculation (vector calc)(sec):  0.603333333333164 
Creation of a 3000x3000 Hilbert matrix (matrix calc) (sec):  0.283333333332242 
Grand common divisors of 400,000 pairs (recursion)__ (sec):  0.48000000000017 
Creation of a 500x500 Toeplitz matrix (loops)_______ (sec):  0.376666666667006 
Escoufier's method on a 45x45 matrix (mixed)________ (sec):  0.319999999999709 
                      --------------------------------------------
                Trimmed geom. mean (2 extremes eliminated):  0.386767050168976

Total time for all 15 tests_________________________ (sec):  6.37666666666337 
Overall mean (sum of I, II and III trimmed means/3)_ (sec):  0.377475216986724 
                      --- End of test ---

而替换前的结果为：

R Benchmark 2.5
   ===============
Number of times each test is run__________________________:  3

I. Matrix calculation



Creation, transp., deformation of a 2500x2500 matrix (sec):  0.979999999999998 
2400x2400 normal distributed random matrix ^1000____ (sec):  0.376666666666666 
Sorting of 7,000,000 random values__________________ (sec):  0.643333333333333 
2800x2800 cross-product matrix (b = a' * a)_________ (sec):  10.71 
Linear regr. over a 3000x3000 matrix (c = a \ b')___ (sec):  5.05 
                      --------------------------------------------
                 Trimmed geom. mean (2 extremes eliminated):  1.47113039784771

II. Matrix functions



FFT over 2,400,000 random values____________________ (sec):  0.396666666666671 
Eigenvalues of a 640x640 random matrix______________ (sec):  0.650000000000001 
Determinant of a 2500x2500 random matrix____________ (sec):  2.52 
Cholesky decomposition of a 3000x3000 matrix________ (sec):  4.02000000000001 
Inverse of a 1600x1600 random matrix________________ (sec):  2.63 
                      --------------------------------------------
                Trimmed geom. mean (2 extremes eliminated):  1.62713360762634

III. Programmation



3,500,000 Fibonacci numbers calculation (vector calc)(sec):  0.636666666666665 
Creation of a 3000x3000 Hilbert matrix (matrix calc) (sec):  0.269999999999991 
Grand common divisors of 400,000 pairs (recursion)__ (sec):  0.473333333333329 
Creation of a 500x500 Toeplitz matrix (loops)_______ (sec):  0.383333333333345 
Escoufier's method on a 45x45 matrix (mixed)________ (sec):  0.349999999999994 
                      --------------------------------------------
                Trimmed geom. mean (2 extremes eliminated):  0.398967243235916

Total time for all 15 tests_________________________ (sec):  30.09 
Overall mean (sum of I, II and III trimmed means/3)_ (sec):  0.984775438409437 
                      --- End of test ---

可以看出，效率的提高还是很明显的。另外，经实验，Intel MKL 比 OpenBLAS 效率略高。