Аналитическое вычисление критерия качества алгоритмов оптимизации удается только для следующей одномерной задачи условной оптимизации: найти минимум одномерной унимодальной функции (), определенной в замкнутой области допустимых значений =[,],
 (1)

Обозначим через класс одномерных унимодальных функций. Пусть множество рассматриваемых алгоритмов решения задачи (1) есть , где
В качестве критерия оптимальности алгоритмов на классе функций используем максимальную длину текущего интервала неопределенности после испытаний
В параграфе 1 мы показали, что если количество узлов сетки равно +1, то после одной итерации алгоритма равномерного поиска текущий интервал неопределенности уменьшается в раз. Поэтому


Из результатов параграфа 2 следует, что после одной итерации (двух испытаний) алгоритма равномерного поиска текущий интервал неопределенности уменьшается в 2 раза. Поэтому


В параграфе 3 показано, что в результате итераций (+1 испытаний) алгоритма Фибоначчи длина текущего интервала неопределенности становится равной . Отсюда следует, что


Наконец, в параграфе 4 показано, что в результате итерации (+1 испытаний) алгоритма золотого сечения длина текущего интервала неопределенности становится равной (-). Поэтому


Сравним эффективности алгоритма деления пополам и алгоритма Фибоначчи при =14:
===3.
Таким образом, при =14 алгоритм Фибоначчи почти в 3 раз эффективнее алгоритма деления пополам.
При =14 сравним также эффективности алгоритма Фибоначчи и алгоритма золотого сечения:


Здесь учтено, что .
Таким образом, при =14 алгоритм золотого сечения примерно на 40 процентов эффективнее алгоритма Фибоначчи.