全局最优化研究的是非线性函数在某个区域上全局最优点的特征和计算方法，广泛应用于经济模型、数据库、图像处理和国防军事等等诸多领域.由于全局优化问题的多极值性，使得传统的非线性规划方法很难求解.目前，针对特殊的全局优化问题理论和算法的研究已经得到了很大的进展，但这些算法仍存在着一些问题.本文将在现有算法的基础上，针对几类特殊的全局优化问题，提出一种新的更有效的方法.主要内容如下:　　第一章，简单介绍了目前研究全局优化问题的确定性方法和随机性方法，并对本文所做的工作给予简单介绍.　　第二章，针对带指数的多乘积规划问题，提出一种新的加速算法.首先，借助等价的单调转化，把原问题转化为目标函数是单变量，约束函数是d.m.函数的优化问题.其次，根据可适应性区域分割，辅助问题的求解，定下界和缩减分割来寻找原问题的（ε，η）-最优解.最后，从数值实验的最优值和迭代次数上说明了该算法的可行性和稳定性.　　第三章，在第二章的基础上，把新的加速算法运用到广义多乘积规划问题中.把原问题等价转化为单调优化问题，利用可适应性细分和缩减分割来逼近原问题的最优解.该算法与其他算法相比，在最优解和迭代次数上都有明显改进，引入变量更少且有效地求解全局优化问题。