全局优化作为最优化学科领域中的一个独立分支，已广泛应用于经济计划、工程设计和控制、生产管理、交通运输、国防军事等重要领域.目前，随着信息技术的高速发展和全局优化问题的广泛应用，国内外优化研究工作者针对众多全局优化问题提出了相应的优化理论和算法，致使全局优化在各个领域都取得长足的发展. 本文针对约束条件、分子和分母均为广义多项式的非线性比式和问题(P)的全局极小化提出了一个分支定界算法.该方法包含如下两个过程：一是先利用TaylorBernstain算法获得目标函数中每个分式项的分子和分母的上界和下界，将问题(P)转化为等价问题(P1)或(P1′)；然后再利用指数变换，将问题(P1)或(P1′)转化为等价问题(P2).二是利用线性化技巧构造目标函数和约束函数的下估计函数，给出问题(P2)的线性松弛规划(LRP)—该线性规划的解可以作为分支定界方法的一个下界.通过对线性松弛规划可行域的逐次细分以及一系列线性规划问题的求解过程，从理论上证明了算法收敛到原问题(P)的全局最优解.最后，数值结果表明本文的方法是可行的.