做了个模型有25个变量，都是离散型，每个变量有2~8个取值不等，多数是2~3个取值，每个取值都有一个系数，默认值得0也算一个值。想求一下，所有可能的预测结果值。最后的问题归结到，如何高效的计算“笛卡尔和”。这里的“笛卡尔和”指的是两个向量的每个元素与另一个向量的每个元素相加，得到一个新的向量，比如：
a=c(1,2)
b=c(5,8,17)
则a与b的“笛卡尔和”就是
（1+5,1+8,1+17,2+5,2+8,2+17）.
假设全部25个变量都是两水平变量，那么就需要计算2^25次求和，也就是3000多万次运算。况且好多不是两水平变量。

自己编了个循环，但是特别慢，（一个向量是17万的长度，另一个是70万的长度），请问各位大神有没有办法，加快计算“笛卡尔和”的速度。昨天差点把公司一台服务器算崩

我写的循环是：
  d=NULL
  for(i in a[!is.na(a)]){
    d=c(d,i+b[!is.na(b)])
    }
这里可以先计算一下b[!is.na(b)]，但是感觉加快不了多少。