论文摘要
随着智能算法的发展，各种各样的智能算法脱颖而出，元启发式算法是智能算法中一个重要的组成部分，此类算法是受到自然界中一些有趣的现象启发而来的高级启发式算法。Cuckoo Search（CS）算法是2009年由英国剑桥大学的Xin-she Yang和C. V. Raman工程学院的Deb共同开创的一种新的元启发式算法，该算法具有搜索速度快，选用参数少，选择路径优等特点。目前，已在神经网络训练、多目标优化、软件开发、结构优化等方面得到了广泛的应用。由于CS算法的发展刚刚起步，关于CS算法的数学理论、衍生算法等方面的研究仍是空缺。为了完善CS算法的研究，本文利用Markov链理论研究了CS算法的收敛问题，并进一步研究了CS的一些衍生算法。本文的主要研究内容如下：（1）介绍了元启发式算法的发展历史和论文的研究背景，并给出了CS算法基本原理的特点，（2）在CS算法原理的基础上，建立了该算法的Markov链模型，并利用Markov链理论证明了CS算法的全局收敛性。进一步通过仿真实验验证了CS算法收敛于全局最优。（3）为了有效的提高CS算法的搜索速度，通过在CS算法的搜索路径上加入高斯扰动项，得到了CS算法的一种改进算法GCS，仿真实验结果表明，GCS算法的收敛速度优于CS算法；（4）基于PSO算法提出了一种混合优化算法CS-PSO，该算法扩展了搜索范围，弥补了PSO算法易陷入局部最优的不足，是一种有效的混合型搜索算法，通过各种仿真模拟实验，结果表明，CS-PSO具有较好的优化能力；（5）给出了CS算法在工程优化实际问题中的应用；（6）总结与展望。