Число различных подмножеств из q переменных, если всего имеется
переменных, будет равно
(числу сочетаний по q элементов из
возможных), а полное число наборов при изменении q от 1 до
будет
Ясно, что это число очень быстро растет с ростом
. Так, при
оно будет примерно
, а при
Все же на современных ЭВМ возможна реализация полного перебора для значений
порядка 15.
В связи с необходимостью просмотра большого числа регрессионных моделей особенно важное значение приобретает использование экономных (в смысле количества машинных операций) методов расчета значений критерия и коэффициентов для соответствующих регрессионных моделей. Поэтому процедура генерации последовательности наборов переменных должна удовлетворять двум требованиям. Во-первых, переход от набора к набору должен осуществляться путем добавления или отбрасывания только одной переменной, что позволяет использовать экономные схемы пересчета значений критерия (см. п. 8.7.4) вместо полного решения соответствующей новой задачи регрессии. Среднее число операций для прямого расчета регрессии с q переменными имеет порядок
, а формулы пересчета уменьшают среднее число операций до порядка
В [189] предложена еще более эффективная процедура пересчета, позволяющая сократить число операций до порядка
, если требуется вычисление коэффициентов регрессии, и
, если вычисляется только величина
При этом, однако, требуется дополнительная память для размещения
матриц размера
.
Второе требование состоит в том, чтобы любой набор генерировался только один раз. Описания процедур генерации, удовлетворяющих этим требованиям, приведены в [189, 191, 248]. Если в качестве основного лимитирующего фактора принять время вычислений, то наилучшим из алгоритмов пшного перебора в настоящее время следует признать алгоритм Фёрнивала, предложенный в [189].
Объем вычислений при прямом переборе с ростом
растет настолько быстро, что уже при
превышает реальные возможности большинства ЭВМ. Выход из положения ищут с помощью методов ветвей и границ. Смысл этого метода заключается во введении какого-либо грубого правила, которое позволяет отбросить большинство наборов, не вычисляя для них значения критерия в силу их бесперспективности. Такое правило может быть основано на неравенстве
где
— любой набор предсказываю
переменных, а
— его подмножество.