在非凸规划领域中,有很多非凸非光滑问题都可转化为DC(difference of convex)规划问题或用DC规划问题近似逼近。DC规划有很好的应用前景,如经济、工程、管理、人工智能等领域。在实际应用中,往往需要求解问题的全局最优解,但目前解DC规划问题的最大阻碍是,还没有找到一个可行的全局最优性条件和最优DC分解,且现有的算法常常无法找到大规模问题的全局最优解。因此,研究DC规划的全局最优性问题是非常有必要的。协同微分是对拟微分的一种修正,并广泛的应用于非凸非光滑函数,由于协同微分的计算困难导致很多相关的最优性条件无法验证,而多面体凸函数的协同微分易于计算,因此本文考虑其中一个DC分量为多面体凸函数的DC规划问题。首先,考虑凸减多面体DC规划问题,记作(PDC).本文有效的利用了DC规划问题的特殊凸分解结构,把原问题(PDC)转化为求解i个凸规划问题(Pi),在协同微分概念的基础上,提出了问题(PDC)的全局最优性充要条件,并且根据这个全局最优充要条件设计了求解凸规划问题(Pi)的全局最优化方法[PGOMi],接着,给出了求解DC规划问题(PDC)的全局最优化方法[DCGOM]。特别地,在数值实验验证中,考虑了DC规划问题(PDC)的目标函数的第一个DC分量f1(x)为连续可微凸和一些连续可微凸的最大值函数(?)hj(x)的情形。最后,数值实验结果与DCA算法进行比较说明了该算法的可行性和有效性。其次,考虑多面体减连续可微凸DC规划问题,记作(LDC).基于协同微分的概念,提出了问题(MDC)的一个局部最优性必要条件,并且保证问题(MDC)的最优解收敛到一个(α,δ)平稳点,本文给出问题(MDC)的最优化方法[CLOM]和DCA算法相比得到较好的局部最优解。