使用替代的BLAS库可以带来多个优势，例如请参考https://cran.r-project.org/web/packages/gcbd/vignettes/gcbd.pdf。
Microsoft R Open https://mran.revolutionanalytics.com/documents/rro/installation/#sysreq 使用Intel的MKL库来加速计算，而不是默认的Reference BLAS库。
问题：
在Windows上，如何手动链接Intel的MKL库到R的最新版本中(https://cran.r-project.org/bin/windows/base/)？
更新 20-07-2016: 以下是如何为64位Windows上的R≥3.3.0构建基于OpenBLAS的Rblas.dll的详细说明：http://www.avrahamadler.com/r-tips/build-openblas-for-windows-r64/
options(repos=r) 替换为 options(repos="https://cran.rstudio.com")（或您喜欢的CRAN存储库——您还可以使用 "https://cran.revolutionanalytics.com"，该MRO存储库具有所有软件包的最新日常构建），以确保安装最新的CRAN软件包，而不是过时的mran.microsoft.com镜像，它的软件包版本已过期，冻结在2019年4月15日。同时请使用#注释掉第153、154和155行。
然后重新启动RStudio检查是否正常工作，在我的Intel Core i7-4700HQ 2.4GHz 4核/8线程笔记本电脑上进行小型SVD基准测试。getMKLthreads()
4
# Singular Value Decomposition
m <- 10000
n <- 2000
A <- matrix (runif (m*n),m,n)
system.time (S <- svd (A,nu=0,nv=0))
user system elapsed
15.20 0.64 4.17
没有安装Intel MKL的同样基准测试在运行时得到了
user system elapsed
35.11 0.10 35.21
因此我们在这里获得了>8倍的速度提升！
运行带有Intel MKL的Microsoft R Open 6.2的截图：
或者，如果您不想将文件从MRO复制到最新的R安装程序中，则可以将免费的Intel MKL安装文件复制到R安装程序中以获得多线程操作（如下面的其他答案所述）：
将这些文件夹内的所有内容复制一份
C:\Program Files (x86)\IntelSWTools\compilers_and_libraries\windows\redist\intel64\mkl
C:\Program Files (x86)\IntelSWTools\compilers_and_libraries\windows\redist\intel64\compiler
C:\Program Files\R\R-3.6.1\bin\x64
不确定微软怎么回事，为什么他们不再更新 MRO...而且为什么他们也放弃了 Mac OS X 支持...
我希望鉴于现在 Intel MKL 是免费的，R 核心人员迟早会提供预编译的 R 版本，编译为使用 Intel MKL 库，或者在运行时检测是否安装了 Intel MKL，如果安装了，则使用它。我认为这很重要，特别是易得到一个好的多线程 BLAS 也决定了如何开发包 - 例如，如果所有操作系统都可用一个好的多线程 BLAS，那么就会倾向于使用 RcppArmadillo，它会退回到所安装的任何 BLAS（但在 Windows 上，如果未安装 Intel MKL，则会给出严重更差的时间），如果不是 RcppEigen 将是最佳选择，因为它具有自己的多线程矩阵代数，而与 R 编译时使用的 BLAS 无关......
顺便说一下，在 Ubuntu 上很容易使 R 使用 Intel MKL，而无需重新编译 R，如此处所述：https://github.com/eddelbuettel/mkl4deb
PS 轻微的问题是运行 setMKLthreads(4) 会使 RStudio 崩溃（尽管在官方 MRO 3.5.3 中已经存在这个问题），但在 R 控制台中可以正常工作...
Rblas.dll 和 Rlapack.dll 相同的符号。启动 Compiler 19.0 Update 4 for Intel 64 Visual Studio 2017 environment 命令提示符：
获取符号：
dumpbin /exports Rblas.dll > Rblas_list
dumpbin /exports Rlapack.dll > Rlapack_list_R
编辑两个文件，删除"header"和"footer"，并将所有带有符号名称的行（例如：248 F7 00138CE0 dgeevx_）都变成像dgeevx_这样的名称(只保留名称)。将builder目录复制到您的计算机上的某个位置，并在其中运行：
# blas links fine
nmake libintel64 export=..path..\Rblas_list name=Rblas
# save lapack errors in another list
nmake libintel64 export=..path..\Rlapack_list_R name=Rlapack 1> undefined_symbols_list
编辑undefined_symbols_list，仅保留每行中的名称，然后创建一个新列表来存储差异。
findstr /v /g:undefined_symbols_list Rlapack_list_R > Rlapack_list
nmake libintel64 export=..path..\Rlapack_list name=Rlapack
通过运行 dumpbin /dependents Rlapack.dll 命令，您可以看到它们依赖于 libiomp5md.dll，您可以在 mkl 安装的 redist 文件夹中找到它。
此方法使用更多的磁盘空间，但更加简单。将这些文件夹中的所有内容复制到内部。
C:\Program Files (x86)\IntelSWTools\compilers_and_libraries\windows\redist\intel64\mkl
C:\Program Files (x86)\IntelSWTools\compilers_and_libraries\windows\redist\intel64\compiler
C:\Program Files\R\R-3.6.1\bin\x64
mkl_rt.dll 的副本，并将其中一个重命名为 Rblas.dll，另一个重命名为 Rlapack.dll，替换原始文件并保留mkl_rt.dll。redist文件夹简单复制粘贴，所以如果您能在没有安装VS的情况下安装它，那么就可以开始使用了。请注意，将所有这些dll文件放在同一个文件夹中等同于将它们放在PATH文件夹中（假设只有该文件夹包含这些dll文件）。然而，将它们放在同一个文件夹中更加安全。 - Guilherme HigashiSys.setenv(MKL_VERBOSE=1)打开MKL详细模式，并运行一个简单的lm(dist~speed,cars)，您应该会看到一些MKL函数调用。将时间与此基准脚本https://mac.r-project.org/benchmarks/R-benchmark-25.R进行比较。 - Guilherme HigashiC:\Program Files (x86)\Intel\oneAPI\compiler\2022.0.3\windows\redist\intel64_win\compiler，我忘记了这些，因为它们现在在文件夹的不同部分！ - Mooks我刚刚尝试安装R 3.5.1。我在CRAN R旁边安装了Microsoft R Open，并从MRO MKL对应项中复制libiomp5md.dll并覆盖Rblas.dll、Rlapack.dll，以与Windows上的CRAN R链接(类似于上面的另一个答案，但需要同时复制文件libiomp5md.dll)。这很顺利，根据Github上的version.compare软件包，CRAN R的运行速度与MRO一样快(https://github.com/andrie/version.compare)。
最新的igraph开发版本似乎已经解决了这个问题。要安装最新版本：
devtools::install_github("igraph/rigraph")
这似乎是R-core中的一个错误，它正在从Rlapack.dll中重新导出libquadmath的符号。修复方法似乎是在链接Rlapack之前链接libquadmath。
这适用于最新的oneMKL和R 4.3.0，使用上面一些评论中提到的更正（由@Mooks提供）。