曲宝，李荟

（东北石油大学，大庆 163318）

布谷鸟搜索（Cuckoo Search，CS）作为一种群智能算法，目前已成为国内外的研究热点，最早是在2009 年由Yang 等[1]提出，主要通过计算机和数学模型模拟布谷鸟对幼鸟育雏时的自身特殊习性，同时仿照了鸟类的莱维飞行（Lévy flights）特性。该算法在数学模型描述过程中具有简单、参数较少的特点，并且非线性优化时的性能略高于一些常见的群智能算法[2-3]。因此，国内外很多学者将其应用于工程设计[4-5]、神经网络学习[6]、目标非线性优化[7]等问题。Lévy flights 属于随机游走模式，步长满足一个重尾的稳定概率分布。布谷鸟搜索算法采用小步长和大步长交替进行，最终实现随机游走的变量优化，完成算法收敛。Lévy flights 使得算法在早期寻优阶段可以确保种群的多样性，并增大变量空间的搜索范围；在后期，通过利用较大的步长确保算法能够逐渐收敛，完成全局最优解的计算。同时，通过Biased 随机走动辅助莱维飞行，有效完成全局与局部的优化计算和搜索平衡。很多学者对于布谷鸟搜索算法的研究，目前主要集中在自身算子的研究和算法融合两个方面，其中第一个方面包括Lévy flights[8]、Biased 随机走动[9]、逐维改进机制[10]、动态自适应发现[11-14]等。在算法融合研究方面，国内外的研究通过将布谷鸟搜索算法与其他群智能算法融合，文献[15-17]分别提出将该算法与粒子群、差分进化进行算子融合，改善算法的个体寻优策略，避免陷入局部最优。以上这些均较好的提升了CS 算法的收敛速度或求解质量。……