布穀鳥搜索算法

布穀鳥搜索（Cuckoo Search，縮寫 CS），也叫杜鵑搜索，是由劍橋大學楊新社（音譯自：Xin-She Yang）教授和S.戴布（S.Deb）於2009年提出的一種新興啟發算法^[1]。

CS算法是通過模擬某些種屬布穀鳥的寄生育雛（Brood Parasitism） ^[2]，來有效地求解最優化問題的算法^[3]。同時，CS也採用相關的Levy飛行搜索機制。研究表明，布穀鳥搜索比其他群體優化算法更有效^[4]。

布穀鳥搜索

布穀鳥搜索（CS）使用蛋巢代表解。最簡單情況是，每巢有一個蛋，布穀鳥的蛋代表了一種新的解。其目的是使用新的和潛在的更好的解，以取代不那麼好的解。該算法基於三個理想化的規則：

• 每個杜鵑下一個蛋，堆放在一個隨機選擇的巢中；
• 最好的高品質蛋巢將轉到下一代；
• 巢的數量是固定的，布穀鳥的蛋被發現的概率為${\displaystyle p_{a}}$。

實際應用

布穀鳥搜索到工程優化問題中的應用已經表現出其高優效率^[5] 經過幾年的發展，為了進一步提高算法的性能，CS算法的很多變體與改進逐步湧現。瓦爾頓（Walton）等提出了修正布穀鳥搜索（Modified Cuckoo Search，縮寫 MCS）；伐立安（Valian）等提出了一種可變參數的改進CS算法，提高了收斂速度，並將改進算法應用於前饋神經網絡訓練中^[6]；馬里切爾凡姆（Marichelvam）將一種混合CS算法應用於流水車間調度問題求解中^[7]；錢德拉塞卡蘭（Chandrasekaran）等將集成了模糊系統的混合CS算法應用於機組組合問題^[8]。

楊（Yang）和戴布（Deb）提出多目標布穀鳥搜索（Multiobjective Cuckoo Search，縮寫 MOCS），應用到工程優化並取得很好的效果^[9]；詹（Zhan）等通過對種群分組，並根據搜索的不同階段對搜索步長進行預先設置，提出了修正調適布穀鳥搜索（Modified Adaptive Cuckoo Search，縮寫 MACS），提高了CS的性能^[10]。