我想找到它最小的函数的参数。该函数预计是凸的，但我无法准确评估它，所以我必须处理顶部有噪音的事实。噪音纯粹是统计的，我大致知道它的大小。本质上，我为函数的每次评估运行蒙特卡罗模拟，因此我什至可以控制错误。

我不需要太精确地知道最小值。函数的值越高，模拟的产量越大。

因此我的要求是：

• 真正昂贵的功能评估
• 一维函数
• 没有可用的衍生产品
• 达到已知量级的统计误差的凸度

此外，整个过程不是非常复杂是相当重要的。我知道这个线程：

找到一个平滑的、有界的、非凸的 2D 函数的全局最小值，该函数的评估成本很高

但这有点太多了。我需要一些简单但可靠的东西。我尝试了一个简单的二等分方案，但这确实不能很好地处理噪音。