我正在使用systemfit（nlsystemfit()函数）程序包使用4个方程式，32个参数来估计（！）和412个观测值（通过看似无关的回归-SUR来估计非线性系统）。但是我的代码将永远占用我的笔记本电脑（这不是一个超级强大的功能）。到目前为止，该过程运行了13个小时。我不是计算专家，但有人在一段时间前向我解释了算法（或big-o）的时间复杂度的概念，然后根据此概念，计算特定算法的时间可能取决于特定的功能关系关于观测值和/或系数的数量。
因此，我正在考虑只是停止我的过程，并尝试（暂时）简化模型并尝试运行更简单的方法，只是检查估计的参数是否到目前为止。然后，运行整个模型。
但是如果我可以更改模型中的关键元素，那么所有这些都可以理解，这可以大大减少处理时间。这就是为什么我在Google上搜索nlm -package（nlsystemfit()函数依赖于nlm）的时间复杂性但未成功的原因。所以，这是我的问题：有人知道我在哪里可以找到该信息，或者至少在运行整个模型之前就如何测试非线性系统向我提供建议？
由于您没有提供有关模型或代码的任何实质性信息，因此很难表达出对您的情况的改善。
根据您的发言：
因此，我正在考虑只是停止我的过程，并尝试（暂时）简化模型并尝试运行更简单的方法，只是检查估计的参数是否到目前为止。然后，运行整个模型。
似乎您需要基准测试或获得所需的时间来执行您的案例。 （尽管它也可以处理内存使用情况或其他一些性能指标）
[有很多方法可以在R中对代码进行基准测试，包括在执行算法Sys.time()之前和之后立即使用system.time()或rbenchmark（这是system.time函数的简单包装） ），tictoc，bench::mark和microbenchmark。
[在后两个中是更好的选择，因为bench::mark包括system_time()，所以system.time()和microbenchmark的更高精度的替代品是准确测量和比较R表达式执行时间的可靠来源。 /算法。