布谷鸟搜索算法简介

布谷鸟搜索算法
维基百科，自由的百科全书
布谷鸟搜索（Cuckoo Search，缩写 CS），也叫杜鹃搜索，是由剑桥大学杨新社（音译自：Xin-She Yang）教授和S.戴布（S.Deb）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（Brood Parasitism），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（Modified Cuckoo Search，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（Multiobjective Cuckoo Search，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（Modified Adaptive Cuckoo Search，缩写 MACS），提高了CS的性能。