R - Как распараллелить цикл for, выполняющий симуляции Монте-Карло?

Я пытаюсь понять, как распараллелить некоторый код из «интеллектуального анализа данных с помощью R - обучения с тематическими исследованиями», чтобы он работал быстрее на моем MacBook Pro. Конкретный рассматриваемый код ниже. Код в основном использует одни и те же данные (DS) и применяет шесть разных учащихся (например, svm, nnet для регрессии и классификации и т. Д.) С небольшим количеством вариантов.

Полный код находится ЗДЕСЬ (внизу, в модели " оценка и отбор ».

for(td in TODO) {
  assign(td,
     experimentalComparison(
       DSs,         
       c(
         do.call('variants',
                 c(list('singleModel',learner=td),VARS[[td]],
                   varsRootName=paste('single',td,sep='.'))),
         do.call('variants',
                 c(list('slide',learner=td,
                        relearn.step=c(60,120)),
                   VARS[[td]],
                   varsRootName=paste('slide',td,sep='.'))),
         do.call('variants',
                 c(list('grow',learner=td,
                        relearn.step=c(60,120)),
                   VARS[[td]],
                   varsRootName=paste('grow',td,sep='.')))
         ),
        MCsetts)
     )
  # save the results
  save(list=td,file=paste(td,'Rdata',sep='.'))
}

Большая часть информации о распараллеливании, которую я нахожу, кажется более применимой к таким вещам, как «применить», когда одна и та же функция применяется к разным подмножествам данных. Этот код делает противоположное - разные функции применяют одни и те же данные.

Было бы лучше распараллелить внешний цикл FOR, чтобы код внутри выполнялся для нескольких учащихся одновременно, в отличие от параллельного выполнения кода внутри цикла, чтобы различные подходы к работе с окнами применялись параллельно для одного учащегося.

На моем MacBook выполнение одной итерации занимает чуть более 2 часов, где только 2 ядра, кажется, что-то делают (два других просто бездействуют). Фактический код из ссылки установлен на 20 итераций ... Было бы здорово использовать мои незанятые ядра, чтобы уменьшить это