رویه سطح پاسخ روشی پرکاربرد در مسائل بهینه سازی شبیه سازی است. استراتژی آن شناسایی، کشف و کاوش در زیر بخش هایی از فضای پارامتری است به جای آن که کل فضای پارامتری را مورد بررسی قرار دهد چون عموما کاوش در کل فضا بسیار پیچیده و هزینه بر خواهد بود. این روش خصوصا برای سیستم های پیچیده ای که در آن اطلاعات اولیه اندکی در دسترس است بسیار مناسب و کارا می باشد. علی رغم کاربرد خاص rsm در دنیای واقعی، این روش دربردارنده ی دو مشکل عمده است: اولا، این روش غیر خودکار است یعنی دخالت کاربر در هر مرحله از فرآیند جستجو وجود دارد و در واقع امری ضروری خواهد بود. دوما، rsm رویه ای ابتکاری است که همگرایی درآن ضمانت نمی شود و در نتیجه کیفیت حل نهایی را در rsm تحت تاثیر خود قرار می دهد. از این رو این تحقیق در تلاش است که الگوریتمی را ارائه نماید که عمده مسائل بهینه سازی مدل های شبیه سازی را با وجود این دو مشکل برطرف نماید. به همین جهت الگوریتم نوین اصلاح شده ای ارائه گردیده است که در آن روش rsm سنتی با روش شبه نیوتن که جهت بهینه سازی مدل های قطعی است با هم ترکیب شده اند. البته می بایست با اجرای اصلاحاتی فضای قطعی این دو روش را با فضای تصادفی مدل های شبیه سازی تطبیق نماییم تا در نهایت درگیری کاربران در حین فرآیند حذف گردد و به حل بهینه همگرایی در مسائل بهینه سازی شبیه سازی دست یابیم. از آن جایی که این الگوریتم بر اساس چارچوب کلی روش rsm است این امکان را فراهم می سازد تا بسیاری از ابزارهای آماری کارا هم چون طراحی آزمایشات و تکنیک های رگرسیونی با هم ترکیب شوند و اثبات ریاضی آن ها نیز در انتها پس از ارائه مدل مورد بررسی قرار خواهد گرفت.