大量的科学和工程问题都可以归结为全局最优化问题，即在一定的约束条件下求解某个目标函数的全局最大值或最小值的问题。一般情况下，这类问题具有很高的难度，很难保证得到真正的全局最优解。DIRECT算法是一个求解全局最优化问题的确定性算法，在决策变量（或控制变量）不多的时候，能够在理论上确保得到问题的最优解。
为了进一步对DIRECT算法进行研究，我校刘群锋博士从2012年开始一直关注DIRECT算法的理论进展和数值效率，并通过实践取得了一系列的理论和算法研究成果。
2013年，刘群锋博士首先发现DIRECT算法对目标函数的线性校正（仿射变换）具有很强的敏感性，而这种变换在实际问题中比较常见。同年，他的论文“Linear scaling and the DIRECT algorithm”提出了一种很简单的办法，解决了DIRECT算法的这一理论困境。
2014年，刘群锋博士与程万友博士合作的论文“A modified DIRECT algorithm with bilevel partition”提出了一种基于两水平搜索的DIRECT算法。该文受多重网格算法的启发，采用了多水平多尺度的直接搜索，从而加速了DIRECT算法在最优解附近的搜索速度，改善了DIRECT算法的整体数值性能。
受两水平DIRECT算法良好数值效果的鼓舞，刘群锋博士与曾金平教授合作，在2015年给出了基于多水平分割的全局优化算法框架，并给出了收敛理论证明。该文“Global optimization by multilevel partition”是上一篇论文的理论证明和推广，从理论上研究多水平搜索策略的优势。
根据以上理论研究基础，刘群锋博士等人开发出一个基于多水平直接搜索的稳健DIRECT算法，简称MrDIRECT算法。该算法在理论上能避免对目标函数线性校正的敏感性，在数值效果上显著优于原始DIRECT算法。
值得指出的是，以上研究成果得到了DIRECT算法的原创者Donald Jones博士的很高评价。
上述研究成果全部发表在了全局优化领域的国际顶级期刊《Journal of Global Optimization》上。该刊物为中科院JCR数据库中的SCI二区刊物、我校认定为A类重要期刊，该期刊影响因子为1.219。
