针对无约束一维全局优化问题,提出一种基于重点取样的统计模拟算法,在原始积分水平集方法中引入交叉熵方法进行样本点选择,并在迭代过程中保留精英样本集.在最后的迭代中选取当前样本集对应的最小值点作为最优点.在一定条件下证明了算法收敛到问题的全局最优解.实验结果表明,所提算法采样效率更高,函数计算次数和运行时间比修正的纯自适应搜索方法更有优势.