全局优化问题是优化问题中一个比较重要的分支，因其在自然科学，工程技术等诸多领域的广泛应用，对该问题的研究具有十分重要的意义。自20世纪60年代早期以来，约束优化问题与无约束优化问题吸引了各学科研究人员的注意。求解约束优化问题的首要任务是处理约束条件，常用的处理约束方法是利用罚函数将约束问题转化为无约束问题，它通过对目标函数增加惩罚项来完成从约束到无约束的转换。罚函数法的优点是简单易行，但在实际操作时应注意调整罚因子，确定它对不可行个体的惩罚力度，这样，才能保证算法获得好的效果。另外，对无约束优化问题，主要的挑战是当局部最优解很多时，如何尽快找出全局最优解，而不陷入局部最优解。本文主要贡献如下：1.对约束全局优化问题，首先，用平滑函数对罚函数进行了平滑，这可以极大地减少局部最优解的数量，使得问题的求解变得容易、找到最优解的速度加快，时间缩短；然后针对平滑函数，设计了一个有效的圆（球面）搜索算法，可以快速找到一个更好解，进一步将局部搜索的BFGS方法用于寻找更好的局部最优解，在此基础上，设计了一个求解约束优化问题的全新算法：基于平滑函数和圆搜索的求解约束优化问题的新型算法。实验结果也表明了新算法的有效性。2.对无约束优化问题，首先利用平滑函数作为适应度函数，可以减少局部最优解的数目，其次设计了一个新的交叉算子：基于球体均匀分布的交叉算子，在此基础上，构造了一个新的进化算法：光滑进化算法，并证明了算法的全局收敛性。最后通过实验对算法进行了测试，并和三个知名算法进行了比较，结果表明了新算法的高效性，且优于比较的算法。