Существуют различные модификации метода случайного поиска. Простейшим по структуре алгоритмом глобального поиска является так называемый «независимый» глобальный поиск (метод Монте-Карло), в основе которого лежит случайный перебор точек в ограниченном пространстве варьируемых параметров и определения соответствующих им критериев качества для решаемой задачи параметрической оптимизации. При реализации алгоритма независимого глобального поиска в соответствии с заданной пространственной плотностью распределения пробных точек в области варьирования на каждом шаге независимо и случайно определяется вектор параметрического состояния динамической модели и вычисляется соответствующий ему скалярный критерий эффективности.
Характерной особенностью независимого глобального поиска является постоянная в течение всего поиска плотность распределения случайных проб. Поэтому для решения этим методом задач оптимизации с многомерным вектором варьируемых параметров необходимо большое число проб. Практически независимый глобальный поиск целесообразно использовать в задачах оптимизации с небольшим (до трех-пяти) числом варьируемых параметров. При осуществлении независимого поиска каждой локальной области варьирования, определяемой граничными значениями компонент вектора Р, ставится в соответствие единичный (т — размерность вектора Р) куб, в котором задается в соответствии с принятой плотностью распределения последовательность независимых случайных точек.
Существует много различных методов моделирования многомерных случайных (или псевдослучайных) точек с независимыми координатами. Решение, найденное при помощи случайного поиска, всегда можно уточнить, используя хорошо развитые регулярные методы локального поиска — градиентный, наискорейшего спуска и др..