TL; DR
不需要combn之类的，简单地：
min(abs(diff(sort(v))))
坚韧不拔
找到每种可能的组合之间的差异是O(n^2)。因此，当我们到达length的向量时1e5，无论是在计算上还是在内存方面，任务都是繁重的。
我们需要一种不同的方法。
如何与邻居进行分类和区别处理？
通过首先排序，对于任何元素v j，差min | v j -v j-/ + 1 | 涉及v j的此类差异将是最小的。例如，给定排序后的向量v：
v = -9 -8 -6 -4 -2 3 8
的最小距离由-2下式给出：
|-2 - 3| = 5
|-4 - -2| = 2
无需检查任何其他元素。
可以很容易地R以如下方式实现：
getAbsMin <- function(v) min(abs(diff(sort(v))))
我不会将其rpois与任何大小合适的向量一起使用，将产生重复的结果，并给出简单0的答案。runif或sample（（minimumAbsoluteDifference2来自@RuiBarradas提供的答案）是一个更明智的测试：
set.seed(1729)
randUnif100 <- lapply(1:100, function(x) {
runif(1e3, -100, 100)
})
randInts100 <- lapply(1:100, function(x) {
sample(-(1e9):(1e9), 1e3)
})
head(sapply(randInts100, getAbsMin))
[1] 586 3860 2243 2511 5186 3047
identical(sapply(randInts100, minimumAbsoluteDifference2),
sapply(randInts100, getAbsMin))
[1] TRUE
options(scipen = 99)
head(sapply(randUnif100, getAbsMin))
[1] 0.00018277206 0.00020549633 0.00009834766 0.00008395873 0.00005299225 0.00009313226
identical(sapply(randUnif100, minimumAbsoluteDifference2),
sapply(randUnif100, getAbsMin))
[1] TRUE
这也非常快：
library(microbenchmark)
microbenchmark(a = getAbsMin(randInts100[[50]]),
b = minimumAbsoluteDifference2(randInts100[[50]]),
times = 25, unit = "relative")
Unit: relative
expr min lq mean median uq max neval
a 1.0000 1.0000 1.0000 1.0000 1.00000 1.00000 25
b 117.9799 113.2221 105.5144 107.6901 98.55391 81.05468 25
即使对于非常大的向量，结果也是瞬间的。
set.seed(321)
largeTest <- sample(-(1e12):(1e12), 1e6)
system.time(print(getAbsMin(largeTest)))
[1] 3
user system elapsed
0.083 0.003 0.087