Motivados por el deseo de calcular numéricamente límites superiores e inferiores rigurosos sobre las probabilidades de desviación en grandes clases de distribuciones de probabilidad, presentamos un algoritmo adaptativo para la reconstrucción de funciones crecientes con valores reales. Aunque este problema es similar al problema estadístico clásico de regresión isotónica, el entorno de optimización altera varias características del problema y abre posibilidades algorítmicas naturales. Presentamos nuestro algoritmo, establecemos condiciones suficientes para la convergencia de la reconstrucción a la verdad fundamental y aplicamos el método a casos de prueba sintéticos y a un ejemplo del mundo real de cuantificación de incertidumbre para el diseño aerodinámico.