径向基函数（Radial Basis Functions）由于具有良好的近似效果和运算简单的特点，被应用于全局优化中，成为解决黑箱函数全局优化问题的有效方法。然而现有的基于RBF的全局优化算法存在迭代过程中RBF模型重构效率低下，以及采样方法不合理导致函数估值次数过多等问题。在此提出几个改进思路：采用基于矩阵分块的增量RBF方法以减少模型重构时间提高效率；采用增量LHD采样方法以确保具有更好的空间填充性；采用算法重启策略以降低估值次数。通过实验验证改进方法的优势。