我有N个任务，希望在R中的M个内核之间并行化。这些任务执行所需的时间差异很大。幸运的是，我粗略地指出了哪些任务将很慢，哪些任务将很快。我还有一个进度条，它以完成的任务数递增。

我想优化任务的顺序，以便：

1. 总计算时间最小化
2. 进度条代表剩余时间，而不是剩余任务。

举一个更实际的例子：

do_task <- function(x){
  Sys.sleep(x ** 2)
}

tasks <- 1:10

cl <- parallel::makecluster(4)
pbapply::pboptions(use_lb = TRUE)
pbapply::pblapply(tasks,do_task,cl = cl)
parallel::stopCluster(cl)
rm(cl)

总处理时间为6分32秒，进度条开始时移动很快，但是随着任务花费的时间越来越长，其移动速度非常慢。

或从最长到最短：

tasks <- 10:1

这需要2分20秒，因此要快得多。但是进度条开始时非常缓慢，然后突然加速。

我还尝试了交错任务。

tasks <- c(10,1,9,2,8,3,7,4,6,5)

这需要3分20秒，不是最快的时间，但是确实提供了更加平衡的进度条。