El problema de encontrar el mínimo global de funciones multidimensionales se aplica a una amplia gama de problemas. Aquí se presenta un método innovador para encontrar el mínimo global de funciones multidimensionales. Este método primero genera una aproximación de la función objetivo utilizando solo unas pocas muestras reales de la misma. Estas muestras construyen el enfoque utilizando un modelo de aprendizaje automático. A continuación, se realiza el muestreo requerido mediante la función de aproximación. Además, el enfoque se mejora en cada muestra utilizando los mínimos locales encontrados como muestras para el conjunto de entrenamiento del modelo de aprendizaje automático. Adicionalmente, como criterio de terminación, la técnica propuesta utiliza un criterio ampliamente utilizado en la literatura relevante que, de hecho, lo evalúa después de cada ejecución de la minimización local. La técnica propuesta se aplicó a varios problemas bien conocidos de la literatura relevante, y los resultados comparativos con respecto a las técnicas modernas de minimización global muestran ser extremadamente prometedores.