全局优化算法（global optimization algorithm），理学-物理学-〔物理学与其他学科的交叉〕-生物信息学，在潜在的解空间中，根据某些限制条件，搜索并使得目标函数达到最小或最大的过程中使用的实现方法。一般而言，全局优化问题可以用以下的数学模型来表示：其中为目标函数或称评价函数；为潜在的解集合。当，并且取得最小（或最大）值时，是目标函数的一个可行解。求解问题的优化对象可以是连续变量，也可以是离散状态，因此全局优化方法也可以相应地分为连续全局优化或离散全局优化问题。与全局优化算法相对应的一般是指局部优化算法，前者全局优化算法求解所获得的解往往更好，但算法的时间复杂度也通常更高，甚至在一些非常复杂的问题上，使用全局优化算法很难在有限的时间内得到可靠的优化解。全局优化算法的应用范围比较广，如在旅行商问题和蛋白质结构计算等不同领域的问题中都有应用。常用的全局优化算法除了分支限界法[注]外，往往也采用一些非确定性方法，如模拟退火算法、进化算法、群优化算法等，尽可能地寻找全局最优解。