文档介绍：布谷鸟搜索算法维基百科,自由的百科全书布谷鸟搜索(CuckooSearch,缩写CS),也叫杜鹃搜索,是由剑桥大学杨新社(音译自:Xin-SheYang)()于2009年提出的一种新兴启发算法[1]。CS算法是通过模拟某些种属布谷鸟的寄生育雏(BroodParasitism),来有效地求解最优化问题的算法。同时,CS也采用相关的Levy飞行搜索机制。研究表明,布谷鸟搜索比其他群体优化算法更有效。布谷鸟搜索布谷鸟搜索(CS)使用蛋巢代表解。最简单情况是,每巢有一个蛋,布谷鸟的蛋代表了一种新的解。其目的是使用新的和潜在的更好的解,以取代不那么好的解。该算法基于三个理想化的规则:每个杜鹃下一个蛋,堆放在一个随机选择的巢中;最好的高品质蛋巢将转到下一代;巢的数量是固定的,布谷鸟的蛋被发现的概率为。实际应用布谷鸟搜索到工程优化问题中的应用已经表现出其高优效率,经过几年的发展,为了进一步提高算法的性能,CS算法的很多变体与改进逐步涌现。瓦尔顿(Walton)等提出了修正布谷鸟搜索(ModifiedCuckooSearch,缩写MCS);伐立安(Valian)等提出了一种可变参数的改进CS算法,提高了收敛速度,并将改进算法应用于前馈神经网络训练中;马里切尔凡姆(Marichelvam)将一种混合CS算法应用于流水车间调度问题求解中;钱德拉塞卡兰(Chandrasekaran)等将集成了模糊系统的混合CS算法应用于机组组合问题。杨(Yang)和戴布(Deb)提出多目标布谷鸟搜索(MultiobjectiveCuckooSearch,缩写MOCS),应用到工程优化并取得很好的效果;詹(Zhang)等通过对种群分组,并根据搜索的不同阶段对搜索步长进行预先设置,提出了修正调适布谷鸟搜索(ModifiedAdaptiveCuckooSearch,缩写MACS),提高了CS的性能。