布谷鸟算法

布谷鸟算法

1、概述

布谷鸟搜索算法[CuckooSearch（CS）],也叫杜鹃搜索,是由剑桥大学Xin-SheYang(杨新社)教授和S.Deb于2009年提出的一种新兴启发算法CS算法通过模拟某些种属布谷鸟(CuckooSpecies)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。

2、优点

全局搜索能力强、选用参数少、搜索路径优、多目标问题求解能力强，以及很好的通用性、鲁棒性等特点，同时其特有的莱维特性能够有效地扩大搜索范围，是一种高效的全局随机搜索算法．并且实例测试结果证明了它比遗传算法、粒子群算法、萤火虫算法具有更高寻优性能。

布谷鸟搜索算法凭借参数少，算法简单，易于实现的特点被广泛应用在各个领域，是群体智能算法中的一个新亮点

3、应用领域

布谷鸟算法自提出之后引起了许多学者的关注，并在许多项目调度、工程优化问题、求解置换流水车间调度和计算智能方面得到了应用。

在工程设计领域，布谷鸟算法对于一系列连续优化问题如弹簧设计和焊接梁设计等问题有着优于其他算法的性能。Vazquez利用布谷鸟算法训练脉冲神经网络模型，Chifu等人利用布谷鸟算法优化语义

Web服务组合流程, Bhargava等人在求解复杂相平衡问题中，用布谷鸟算法获得了可靠的热力学计算。

在组合优化问题方面，Tein和Ramli针对护士调度问题提出了离散化的布谷鸟算法，布谷鸟算法还成功的应用于软件测试中数据生成程序问题独立路径的产生。Speed修改了CS并成功应用于处理大规模问题。Moravej和Akhlaghi用CS研究了分布式网络中的DG分配问题。

对于多目标问题的研究，Deb针对工程应用提出了多目标CS算法，Simon等人则利用CS算法针对多目标调度问题取得了很好的效果。

综上所述，虽然布谷鸟算法于2009年才刚刚提出，但己经被成功应用到各个领域的优化问题中，布谷鸟算法可以求解大部分优化问题，或者是可以转化为优化问题进行求解的问题。

4、应用延伸

4.1车辆调度、路径最优

《求解带时间窗车辆路径问题的混合智能算法》文中提出：基于布谷鸟搜索算法和单亲遗传算法，设计了一种求解带时间窗车辆路径问题的混合智能算法。该算法首先对客户位置进行聚类分析，然后再进行各区域的路径优化。混合智能算法不仅改进了布谷鸟搜索算法中当鸟卵被鸟窝主人发现后需要随机改变整个鸟窝位置的操作，同时引入的单亲遗传算法加快了最优配送路线的搜索速度。

4.2 项目调度

《求解资源受限项目调度问题的改进布谷鸟搜索算法》针对资源受限项目调度问题，提出一种基于改进布谷鸟搜索算法的高效求解方法。ICS 算法设计如下：在解空间表示方面提出一种适应莱维飞行特点的任务调度顺序优先级编码方案，并采用串行调度求解该问题。为提高算法收敛速度、避免陷入局部最优解，对CS 的局部搜索机制进行改进，即引入对精英个体的局部搜索策略及对首领的寿命衰老机制。

4.3 云计算中资源调度

《云环境中基于布谷鸟搜索算法的多目标任务调度方案》文中提出：效率往往是任务调度的首要目标，对于数据中心而言，能耗问题也是十分重要的因素。在布谷鸟搜索算法的基础上提出了一种多目标任务调度方案，以实现云环境下任务调度效率和能耗的最优。布谷鸟搜索算法是一种启发式算法，利用莱维飞行通常能较快地寻找到全局最优解。