Global Optimization Toolbox propose des fonctions qui recherchent des solutions globales à des problèmes comportant plusieurs maxima ou minima. Les solveurs de cette toolbox comprennent les méthodes de substitution, de recherche de patterns, d'algorithme génétique, d'essaim particulaire, de recuit simulé, de multistart ainsi que de recherche globale. Vous pouvez utiliser ces solveurs pour des problèmes d'optimisation où la fonction objectif ou de contrainte est continue, discontinue, stochastique, ne possède pas de dérivées, ou inclut des simulations ou des fonctions de type boîte noire. Pour les problèmes à objectifs multiples, vous pouvez identifier un front de Pareto en utilisant des solveurs d’algorithmes génétiques ou de recherche de patterns.

Vous pouvez améliorer l'efficacité du solveur en ajustant les options et, pour les solveurs pour lesquels cela est applicable, en personnalisant les fonctions de création, de mise à jour et de recherche. Vous pouvez utiliser des types de données personnalisés avec les solveurs d’algorithmes génétiques et de recuit simulé pour représenter des problèmes qui ne sont pas facilement exprimés avec des types de données standard. L'option de fonction hybride vous permet d'améliorer une solution en appliquant un second solveur après le premier.