Поскольку современные математические модели носят существенно нелинейный характер и в подавляющем большинстве случаев не поддаются аналитическому исследованию, требуется применять численные методы изучения объекта.

Кроме того, функции эффективности зачастую ведут себя не монотонно и потому не обладают свойством унимодальности. Следовательно, применение методов локального поиска не даст хорошего результата. Неодносвязность области поиска также не даёт шанса применить быстрые локальные методы.

Таким образом, для борьбы с вышеперечисленными трудностями необходимо применять методы глобального поиска. Однако для глобальных методов характерен значительный рост трудоёмкости с увеличением размерности задачи.

Задача многомерной многоэкстремальной оптимизации может быть определена как проблема поиска наименьшего значения действительной функции φ(y): φ(y*) = min{φ(y): y из D}, где D есть область поиска, представляющая собой некоторый гиперпараллелепипед N-мерного евклидова пространства.