Math 如何得到数学模式的函数
如何获得计算下一步的函数?(不一定要精确…)实现这一点的最佳方法是什么Math 如何得到数学模式的函数,math,pattern-matching,Math,Pattern Matching,如何获得计算下一步的函数?(不一定要精确…)实现这一点的最佳方法是什么 1:大约100毫秒 2:大约400毫秒 3:约3100毫秒(3.1秒) 4:约36500毫秒(36.5秒) 5:约30560ms(约5.1分钟) 6:约1970981ms(约32,8分钟) 7:约13855774ms(约230.9分钟或3.8小时) 8: 9: 它看起来是指数型的,但比例是多少 这是javascript国际象棋minimax算法所需的时间(在我的计算机上)。每一步都是它的搜索树深度。这是我在R中的做法
- 1:大约100毫秒
- 2:大约400毫秒
- 3:约3100毫秒(3.1秒)
- 4:约36500毫秒(36.5秒)
- 5:约30560ms(约5.1分钟)
- 6:约1970981ms(约32,8分钟)
- 7:约13855774ms(约230.9分钟或3.8小时)
- 8:
- 9:
- 强>
这是javascript国际象棋minimax算法所需的时间(在我的计算机上)。每一步都是它的搜索树深度。这是我在R中的做法:
> times <- c(100, 400, 3100, 36500, 305600, 1970981, 13855774)
> n <- 1:7
> lm.fit <- lm(log(times) ~ n)
> summary(lm.fit)
Call:
lm(formula = log(times) ~ n)
Residuals:
1 2 3 4 5 6 7
0.33742 -0.31605 -0.30811 0.11805 0.20326 0.02751 -0.06208
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 2.22800 0.22945 9.71 0.000197 ***
n 2.03976 0.05131 39.76 1.9e-07 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.2715 on 5 degrees of freedom
Multiple R-squared: 0.9968, Adjusted R-squared: 0.9962
F-statistic: 1581 on 1 and 5 DF, p-value: 1.898e-07
注意,“好”是相对的。尽管n=6和7的相对误差较小,但近似值中的绝对误差相当大。此外,n=7是一个小样本量,基于此进行概括是危险的。最后,随着n的增加,垃圾收集之类的事情可能变得更加重要,导致n=8或9的运行时间比公式预测的更长。进行指数回归(或者,或多或少是等效的——取时间的日志,然后做一个简单的线性回归,因为如果时间是
n
的指数函数,那么日志(时间)在n
中是线性的。当你看到WolframApha的数据对数线性图非常接近直线时,约翰·科尔曼的评论特别有用。
time = 9.28*e^(2.04*n)