Multistart是一种重要的全局优化策略，它通过多次的局部优化来试图获得全局最优解。本文研究 Matlab 中的 Multistart 策略，它可以选择三种不同的局部优化方法：activ-set 算法，interior-point算法，以及spq算法。本文主要研究这三种不同的Multistart方法的数值表现。我们在Hedar、CEC2014和GKLS三种国际通用的全局优化测试函数库上对它们进行了数值测试， 然后用performance profile技术和data profile 技术对所得测试数据进行了统计分析。结果表明，选择activ-set算法的 Multistart方法的相对计算成本最高，但是其性能比却是最好的。而选择 spq 算法的 Multistart方法的相对计算成本最低但是其性能比最差。

本课题主要是对全局优化算法中的Multistart 搜索策略进行解释，对其结合 fmincon 的三种不同算法进行分析，将其进行Hedar 函数库，CEC2014 函数库、 GKLS函数库三个国际函数库的数值测试，对其测试结果进行统计分析，比较其进行Hedar 库函数，CEC2014库函数，GKLS 库函数测试后的数值表现，从而得出结论，并由此提出可能的算法改进方案，最终发现在实际生活中 MS1的性能比最好，但其计算成本也最高。而MS3的计算成本最低但是它的性能比也是最差的。

本文的大致结构

1.绪论，主要描述关于全局优化算法的基础知识，本文研究的课题背景及意义和本文结构。

2.介绍 Multistart 策略，fmincon 函数及其结合得到的三种不同的MS 算法。

3.介绍 Hedar、CEC2014 和GKLS 三个国际通用全局优化测试函数库，并对其数值实验需要的不同测试环境进行说明，及参数的设定。

4.介绍 performance profile 和 data profile 两种数据分析技术，对经过这两种技术测试得到数据进行数值分析，从而根据图像分析得到结论。

6.总结，得出研究课题的结论。