Hi;<br clear="all"><div> as many of you I guess, I often try to optimize parameters of strategies.</div><div><br></div><div>In games, if I optimize against a fixed opponent, this is a noisy optimization problem: I want the parameters with the best success rate against the chosen opponent,</div>

<div>which can be evaluated thanks to repeated (time-consuming) games.</div><div><br></div><div>The state of the art in noisy optimization is slightly unreadable.</div><div><br></div><div>For most tools there are properties such as </div>

<div>   << log( distance to optimum ) ~ - C log( number of evaluations) >></div><div>   for some positive C.</div><div><br></div><div>In some cases, C=1/2 (or something close to 1/2 depending on derivability conditions), but this is restricted to easy problems.</div>

<div><br></div><div>For other families of functions and under some technical assumptions aimed at getting rid of too simple objective functions,</div><div>Basically, one then get rates such as C=1/4, for a quadratic objective function. However, the bounds are C<=1/2, so there is still a gap.</div>

<div><br></div><div>So basically one can get nearly any result depending on the assumptions :-)</div><div><br></div><div>I'd like to know which rates you get on your favorite optimization problems. Maybe many people here don't care about noisy optimization</div>

<div>from a maths point of view, but I'm pretty sure that people here work on real noisy optimization problem and if they plot curves such as the equation</div><div>above it will provide interesting information.</div>

<div><br></div><div>Thanks for any feedback :-)</div><div><br></div><div>Best regards,</div><div>Olivier</div><div><br></div><div><br></div>