الگوریتم بهینه سازی اکسترمال یک الگوریتم تکاملی جستجوی محلی است که از طبیعت الهام گرفته است. این الگوریتم دارای رفتار "بهمنی" بوده که موجب همگرایی سریع آن می شود. در این کار، هدف ارزیابی عملکرد الگوریتم بهینه سازی اکسترمال در مسائلی با مجموعه متغیرهای زیاد و فضای جستجوی وسیع همچون مسئله ی تقطیع تصویر مبتنی بر پیکسل بر اساس رنگ است. نوآوری اصلی، اعمال الگوریتم در دو سطح نواحی و پیکسل ها و تعریف تابع انرژی مناسب برای نواحی تصویر است. با اعمال عملیات کاهش رنگ، تصاویر بیش از حد ناحیه بندی شده به عنوان ورودی به الگوریتم داده می شوند و ادامه ی عملیات در دو فاز انجام می شود: در فاز اول نواحی کم ارزش تر با نواحی مشابه همسایه ادغام می شوند. در فاز دوم نیز پیکسل های کم ارزش تر با احتمال بیشتری انتخاب شده و تغییر میکنند. تغییر در برچسب هر ناحیه یا هر پیکسل باعث تغییر در برازندگی همسایگان آنها نیز می شود. این فرایند ادامه می یابد تا آنجا که شبکه ی تصویر به تغییرات حساس شده و تغییر کوچکی در برچسب هر ناحیه یا هر پیکسل باعث تغییرات بزرگی در شبکه ی تصویر می گردد که به این پدیده "بهمن" می گویند. ارزیابی شهودی به همراه ارزیابی عددی (بر اساس روش پیشنهادی هوور) در مقایسه با چند الگوریتم دیگر نشان می دهند که روش پیشنهادی می تواند در جهت کاهش تابع انرژی گام برداشته و به نتایج قابل قبولی نیز دست یابد. هرچند روش پیشنهادی دارای مشکل زمان اجرای بالا می باشد اما قابلیت پیاده سازی موازی الگوریتم آن را قادر می سازد تا در کارهای آینده بتوان زمان اجرا را نیز کاهش داد.