我是一名实验物理学家，试图使我的测量中相对简单（但敏感）的优化自动化，该优化目前完全由人工完成，并占用了我很多时间。经过一些思考和评论中的提示，我将问题简化为以下内容：
我想最大化一些函数f（x）。但是，我只能评估f（x）;我无法明确评估其派生词。而且，我无法对大范围的x进行采样；如果f（x）<阈值，则我有麻烦（并且我需要一天的时间才能恢复）。幸运的是，我有一个起始值x_0，使得f（x_0）>阈值，我可以猜出一些初始步长eps，f（x_0 + eps）>阈值也成立（但是，我不知道f（x_0 + eps）>或 我目前的手动操作如下：先评估f（x_0），然后评估f（x_0 + eps）。如果这导致减少，我改为评估f（x_0-eps）。基于梯度（本质上，我只是查看是否存在较大的步长或无法跨过阈值的大步长），我要么增大或减小eps，一边继续沿相同方向搜索，直到找到最大值为止，这是因为f （x）开始减少。然后，我回到那个最大值。这样，我一直在探测最大值的顶部，因此保持在安全范围内。