我正在为大学做一个关于如何确定复杂性的项目，假设所有关于算法的知识都是它们的运行时间取决于数据大小。
我使用的算法类型是多项式（n2，n3，..，n6），对数和指数。
例如，程序的输入可以是：
n 1 2 3 4 5 6 7 8 9 10 11 12（数据大小）
T（n）0,9 / 1,6 / 2,3 / 3,0 / 3,7 / 4,4 / 5,1 / 5,8 / 6,5 / 7,2 / 7,9 / 8,6
所以，我有一个多项式和对数复杂度的算法， 目前，数据最多为20
多项式：
DataContext我已经与exponencial一个走到了尽头。 有人能给我一个暗示吗？ 非常感谢。
答案 0 :(得分：0)
这听起来像一个随机问题，即在给定一组离散点的情况下找到最佳模型拟合。我要做的第一件事是确定类型：logarithmic / polynomial / exponential。为此，您可以在每个点研究离散导数。如果一阶导数的值减小=>对数。要确定它是多项还是指数，你应该研究导数，但这次不仅是第一阶。可以观察到以下情况：指数函数的连续推导也是指数函数，而多项式将得到线性（导数接近0）。因此，如果经过几次推导后，您的值接近于0 =＆gt;多项式。
确定了模型的类型后，您现在希望将点数与该模型相匹配。你可以在Eigen库的帮助下用C ++完成，主要是their implementation算法的Levenberg–Marquardt