李 锐，龙文高，原可欣

（1 湖南科技大学 数学与计算科学学院，湖南 湘潭 411201；2 太原理工大学 文法学院，太原 030024）

0 引 言

布谷鸟搜索算法（Cuckoo Search，CS）是Xin－She Yang与Suash Deb 于2009 年提出的一种新型的群体智能算法［1］。该算法主要通过对生物界中布谷鸟寄生雏鸟的仿生行为，解决现实中的优化问题。

在自然界中，大部分鸟类的育雏习性是自筑巢自育雏，而布谷鸟则是寄生巢异育雏。布谷鸟会在其生活区域内寻找合适的巢穴快速产卵，同时布谷幼鸟会本能地模仿宿主幼鸟的叫声以得到宿主鸟的哺育，这样就实现了寄生巢。而且根据相关学者的研究表明，布谷鸟寻巢过程满足于Levy 分布［2］。不妨将布谷鸟找到的每个巢穴都看作一个可行解，由其Levy 飞行过程中产生替补解，按照一定的概率，遵循“新解更替，旧解淘汰”的规则，从而实现全局寻优，这就是传统的布谷鸟搜索算法和思想［3］。

传统的CS 具有仿生能力强、参数少、操作简单的特点，因而被广泛的应用于组合优化、电力调度以及机械工程等多个工程领域［4－6］。但在传统的CS 中，由于步长因子与发现概率是固定不变的，这就导致布谷鸟容易出现过早成熟的情况，寻优解的精确度较差，甚至找不到全局最优值以及收敛速度慢的情况。目前，学术界内主要通过调整参数与混合算法两种途径来解决这些缺陷。如：文献［7］中提出的一种参数动态更新的布谷鸟搜索算法，通过以一定概率下保留次优解及双向随机搜索策略，避免陷入局部最优；文献［8］提出的基于免疫进化改进的布谷鸟算法，通过结合两种算法的优点来作出改进与提高。……