Die Grundidee nicht deterministischer Optimierungsverfahren besteht darin, anstelle von komplizierten deterministischen Vorschriften bei der Suche nach den Optima in großen Suchräumen, vom Zufall Gebrauch zu machen. Dies scheint naiv betrachtet nicht sinnvoll, da der Zufall gerade in sehr großen Räumen keine brauchbare Richtschnur für das Suchen bereitzustellen scheint. Suchverfahren, die auf der Basis von Zufallsprozessen arbeiten, scheinen daher ineffizient zu sein.
Diese naive Sicht ist jedoch in der Regel falsch. Man neigt dazu, Zufall mit Willkür gleichzusetzen, und das ist ein Fehler, denn man kann sehr systematisch und effizient mit dem Zufall arbeiten, obwohl dies beinahe wie ein Widerspruch klingt. Die systematische Nutzung des Zufalls ist eines der Erfolgsrezepte der Evolution. Wenn über die Lage der Optima in einem großen Suchraum keine Kenntnisse vorhanden sind, und das ist in der Praxis leider nur zu oft der Fall, sind zufallsgesteuerte Verfahren eventuell weitaus effizienter als deterministische Algorithmen. Die Gefahr, Optima zu »verpassen«, ist beispielsweise bei einer gleichmäßigen Streuung der Zufallsstichproben im Suchraum relativ gering.
Diese Gefahr besteht jedoch bei einer deterministischen Suche immer dann, wenn die Systematik, also die Art der Suche, so angelegt ist, daß durch sie, ohne daß man es weiß, die optimalen Werte nicht gefunden werden können. Basiert das deterministische Verfahren auf einer auch nur geringfügig falschen Annahme, kann es bereits völlig nutzlos sein. Wenn man nicht weiß, wo die Optima im Suchraum liegen und wie sie aussehen, so weiß man in der Regel auch nicht, ob man die richtige Suchstrategie gewählt und die richtigen Annahmen getroffen hat. In diesen Fällen ist eine systematische, zufallsbasierte Suche daher oft zuverlässiger als ein Algorithmus, bei dem jeder Suchschritt exakt vorgegeben wird. Denn kennt man die Verteilung der Stichproben im Suchraum, also den Zufallsprozeß auf dem ein nicht deterministisches Verfahren basiert, so kann man zumindest die Wahrscheinlichkeit abschätzen, mit der man die Optima findet - oder verpaßt! Dies ist bei deterministischen Verfahren oft noch nicht einmal ansatzweise möglich.