В работе рассматриваются эффективные последовательные алгоритмы многомерного оценивания и оптимизации, дающие состоятельные оценки без стандартных предположений о независимости и центрированности возмущающих воздействий. Основой нового подхода является использование пробных возмущений. В системах управления пробные воздействия можно добавлять через канал управления, в других случаях роль пробного воздействия может играть рандомизированный план наблюдений или уже присутствующий в системе измеряемый случайный процесс. Одна из замечательных характеристик такого типа алгоритмов - одно или два измерения на итерации вне зависимости от размерности вектора оцениваемых параметров. Другая отличительная черта алгоритмов - сходимость при почти произвольных возмущениях, в частности, при нерегулярных. Под этим понятием подразумевается достаточно широкий класс возмущений, которые могут не обладать полезными статистическими свойствами. Этот класс содержит, как минимум, неизвестные, но ограниченные детерминированные по