提出了一种基于两步确定性搜索进行全局优化的思想的辅助函数方法。 具体地，首先获得原始函数的局部最小值，然后使用拉伸函数技术相对于所获得的局部最小值修改目标函数。 变换后的函数向上拉伸高于获得的最小值的函数值，同时保持较低值的函数值不变。 接下来，在扩展函数上构造辅助函数，该辅助函数始终在函数值大于所获得最小值的区域中下降，并且在下部区域中具有固定点。 我们优化辅助功能，并使用找到的固定点作为起点，转到第一步以重新开始搜索。 重复该过程，直到终止。 还进行了理论分析。 新方法的主要特点是它大大放宽了对参数的要求。 通过对不同维数（最多50个）的基准函数进行数值实验，结果表明，与现有的其他同类算法相比，该算法收敛速度更快，成功率更高，可以找到质量更高的解。理论上的分析。
