用蒙特卡洛法求解的基本思想
在估计的区域内随机取若干试验点。
然后从实验点中找出可行点。
再从可行点中选择最小点。
基本假设
试验点的第j个分量xj服从[aj ,bj]内的均匀分布．
求解过程
先产生一个随机数作为初始试验点,以后则将上一个试验点的第j个分量随机产生，其它分量不变而产生一新的试验点．这样，每产生一个新试验点只需一个新的随机数分量．当K>MAXK或P>MAXP时停止迭代．
符号说明： P: 试验点总数； MAXP：最大试验点总数； K: 可行点总数； MAXK：最大可行点数; X*：迭代产生的最优点； Q：迭代产生的最小值f(X*)，其初始值为计算机所能表示的最大数．
MATLAB编程步骤：
确定求解的非线性规划问题，如图所示。
依次编写三个m文件，首先编写目标函数的m文件，如图所示。
然后编写约束条件的m文件，如图所示。
再依据蒙特卡洛法求解的基本思想编写主程序的m文件。先初始化，利用unifrnd函数产生服从均匀分布的随机数，作为试验点。
然后调用目标函数和约束条件的m文件，找出最优解，如图所示。
最后，显示找到的最优解，如图所示。
保存编好的程序，运行结果如图所示。