在调用replicate之前使用set.seed()。
值得注意的是link。
特别是：
我们怎么强调都不为过：不要经常播种。要了解为什么这是一个如此糟糕的想法，请考虑限制情况：设置种子，绘制一个伪随机数，重置种子，再次绘制，如此继续。你得到的伪随机数只不过是你在数学函数中运行的种子。您获得的结果将不会通过随机，除非您选择的种子通过随机。如果你已经有了这样的数字，为什么还要费心去使用伪随机数生成器呢？

如果你想在每次迭代中控制种子，同时保持data参数不变，最好使用lapply()或sapply()而不是replicate()。例如，你可以为lapply()提供一个种子向量，并定义一个内联函数将data绑定到myfunction()，如下所示：

# note: `sapply()` might be better, depending on the return value of `myfunction()`
lapply(1:10, function(seed){
  set.seed(seed)
  myfunction(data)
}

您也可以单独定义函数，例如：

# `...` is for passing (named) params other than `data` to `myfunction()`
myfunction2 <- function(data, seed, ...){
  set.seed(seed)
  myfunction(data, ...)
}

# same thing as first approach
lapply(1:10, myfunction2, data=data)

但是，如果出于某种原因，你想在每次复制时生成相同的值，你可以将myfunction() Package 在一个修复种子的外部函数中，然后使用replicate()重复调用该函数：

# wrap `myfunction()` to set seed before each call, passing params in `...`
myfunction_withseed <- function(...){ 
  set.seed(6933)
  myfunction(...)
}

# use `myfunction_withseed()` just as you would `myfunction()` 
replicate(10, myfunction_withseed(data=data))

或者你也可以用原始的myfunction()来做，例如：

replicate(10, {set.seed(6933); myfunction(data)})

如果你想为每个复制使用不同的特定种子，你可以这样做：

seeds <- 101:110   # 10 seeds
count <- 0
replicate(10, { count <<- count + 1; set.seed(seeds[count]); rnorm(1) })

如果你想为每一个相同的种子，你可以跳过计数;如果你希望整个序列是可重复的，但不想为每个重复选择种子，只需在replicate()调用之外使用set.seed。