Die Global Optimization Toolbox bietet Funktionen zur Suche nach globalen Lösungen für Probleme mit mehreren Maxima oder Minima. Die Toolbox-Solver umfassen Surrogat, Mustersuche, genetischen Algorithmus, Partikelschwarm, Simulated Annealing, MultiStart und GlobalSearch. Diese Solver lassen sich bei Optimierungsproblemen verwenden, deren Ziel- oder Bedingungsfunktion stetig, nicht stetig oder stochastisch ist, keine Ableitungen hat, Simulationen oder Black-Box-Funktionen umfasst. Bei Problemen mit mehreren Zielen können Sie eine Pareto-Front mithilfe eines genetischen Algorithmus oder Mustersuche-Solvern ermitteln.

Sie können die Solver-Effektivität durch das Anpassen von Optionen verbessern und bei den in Frage kommenden Solvern die Erstellungs-, Aktualisierungs- und Suchfunktionen individuell konfigurieren. Sie haben die Möglichkeit, den genetischen Algorithmus und Simulated-Annealing-Solver mit eigenen Datentypen auszuführen, um Probleme darzustellen, die sich nur schwierig mit Standard-Datentypen ausdrücken lassen. Durch die Hybridfunktion lässt sich eine Lösung verbessern, indem nach dem ersten Solver ein zweiter angewendet wird.