用matlab其他程序解决这道题

除了Monte Carlo Simulation，我们还可以使用其他方法来解决这道题。下面是一些可能的解法：

1. 网格搜索

网格搜索是一种常用的优化算法，可以用来解决这道题。具体来说，我们可以在预设的订购盒数范围内，以一定的步长进行搜索，计算出每个订购盒数的收益，找到收益最大的盒数即为最优解。

下面是具体的MATLAB代码实现：

% 定义网格搜索的参数
min_boxes = 400;
max_boxes = 900;
step_size = 5;

% 定义其他参数
buy_price = 75;
sell_price = 120;
discount_rate = 0.5;
packaging_cost = 0.5;
shipping_cost = 1.5;

% 初始化最大收益和最优解
max_profit = -Inf;
optimal_boxes = -1;

% 在预设的范围内进行网格搜索
for j = min_boxes:step_size:max_boxes
    bought = j;
    sold = max(0, round((1 - discount_rate) * bought));
    revenue = sold * sell_price;
    cost = bought * buy_price + sold * packaging_cost + sold * shipping_cost;
    profit = revenue - cost;
    if profit > max_profit
        max_profit = profit;
        optimal_boxes = bought;
    end
end

在上述代码中，我们使用了网格搜索的方法，在预设的盒数范围内，以一定的步长进行搜索，并计算出每个订购盒数的收益。最后，我们找到收益最大的盒数，即为最优解。

需要注意的是，在计算成本时，我们考虑了每盒糖果的包装费和运输费。这些额外的成本可以根据实际情况进行调整。

2. 使用fminbnd函数

MATLAB中的fminbnd函数可以用来求解一元函数的最小值。我们可以使用这个函数来求解这道题的最优解。具体来说，我们可以定义一个函数，输入为订购盒数，输出为收益，然后使用fminbnd函数在预设的盒数范围内求解最小值，即为最优解。

下面是具体的MATLAB代码实现：

% 定义收益函数
function p = profit(x)
    buy_price = 75;
    sell_price = 120;
    discount_rate = 0.5;
    packaging_cost = 0.5;
    shipping_cost = 1.5;
    bought = x;
    sold = max(0, round((1 - discount_rate) * bought));
    revenue = sold * sell_price;
    cost = bought * buy_price + sold * packaging_cost + sold * shipping_cost;
    p = revenue - cost;
end

% 使用fminbnd函数求解最优解
min_boxes = 400;
max_boxes = 900;
[optimal_boxes, max_profit] = fminbnd(@profit, min_boxes, max_boxes);

在上述代码中，我们定义了一个收益函数profit，输入为订购盒数，输出为收益。然后，我们使用fminbnd函数在预设的盒数范围内求解最小值，即为最优解。需要注意的是，由于fminbnd函数求解的是最小值，因此我们将收益函数定义为负数，以便求解最大值。

需要注意的是，在计算成本时，我们考虑了每盒糖果的包装费和运输费。这些额外的成本可以根据实际情况进行调整。

希望这些程序能够帮助您解决这道题。