布谷鸟搜索算法

布谷鸟搜索算法

布谷鸟搜索法（Cuckoo Search Optimization, CS）是一种模仿鸟类孵化行为的群体智能优化方法源自Yang Xin She与Suash Deb于2009年的研究工作。该方法基于Lévy flights实现全局搜索，在全局寻优方面展现出显著优势。

算法原理

布谷鸟算法采用寄生巢位置表示问题的可行解。通过采用莱维飞行和随机选择两种寄生策略后对寄生物栖息地位置进行更新，并对该种群进行优化处理，并搜索出最优解。CS算法与优化问题是对应的如表所示

CS	优化问题
鸟巢位置	可行解：X_i=(x_{i1},x_{i2},\dots,x_{iD})
位置优劣	适应度

算法假设条件如下：

• 每只布谷每年只下一次卵，并随机选一个地点的巢穴下蛋。
• 选定的巢穴中优质的位置会被保留到最后一代。
• 可用的巢穴数目保持不变，在此范围内会发现外来卵子的概率是p_a且在区间[0,1]内。若发现外来卵子，则会舍弃或重建新的洞穴。

算法超参数

• α：步进因子，在实现中一般取值为1；
  • pa：宿主鸟发现布谷鸟蛋的概率；
  • NP：群体规模，在算法运行中常设定其大小为50；
  • Gmax：最大迭代次数，在终止条件设定中常用该参数。

莱维飞行

Lévy飞行是一种遵循莱维分布