Die Global Optimization Toolbox bietet Funktionen zur globalen Lösung von Problemen, die mehrere Maxima oder Minima umfassen. Solver in der Toolbox sind Surrogat, Pattern Search, genetischer Algorithmus, Partikelschwarm, simuliertes Annealing, MultiStart und GlobalSearch. Mit diesen Solvern können Sie Optimierungsprobleme lösen, bei denen die Zielfunktion oder die Bedingungsfunktion stetig, unstetig oder stochastisch ist oder keine Ableitungen aufweist oder Simulationen oder Black-Box-Funktionen enthält. Für Probleme mit mehreren Zielen können Sie mithilfe des genetischen Algorithmus oder des Pattern Search-Solvers eine Pareto-Front identifizieren.
Sie können die Solver-Effektivität verbessern, indem Sie Optionen anpassen und (bei einigen Solvern) die Erstellungs-, Aktualisierungs- und Suchfunktionen spezifisch anpassen. Sie können spezifisch angepasste Datentypen mit den genetischen Algorithmus- und simulierte Abkühlung-Solvern verwenden, um Probleme zu lösen, die nicht einfach mit Standarddatentypen ausgedrückt werden können. Mithilfe der Hybridfunktion können Sie eine Lösung durch Anwendung eines zweiten Solvers nach dem ersten verbessern.