1、隨著人類社會的不斷發(fā)展和科學(xué)探索步伐的不斷前進，人們面臨著越來越多的最優(yōu)化問題。由于人類對生產(chǎn)效率的追求日趨極致，常規(guī)優(yōu)化方法在有限的時間和空間內(nèi)已經(jīng)很難解決日益復(fù)雜的最優(yōu)化問題。仿生群智能優(yōu)化算法因其靈活性和高效性已成為解決最優(yōu)化問題常用的有效方法。
　　布谷鳥搜索算法是一種新興的啟發(fā)式仿生群智能優(yōu)化算法，因其具有理論清晰、參數(shù)少、易擴展、全局搜索能力強、易于實現(xiàn)等優(yōu)點，可以廣泛應(yīng)用于各種優(yōu)化問題。本文主要針對布谷鳥搜索算法進行

2、應(yīng)用研究和改進。
　　本文首先介紹布谷鳥搜索算法的生物學(xué)原理和數(shù)學(xué)原理，然后介紹Lévy flights機制，并闡述算法的具體步驟和執(zhí)行流程。在分析基本布谷鳥搜索算法缺陷的基礎(chǔ)上，對基本布谷鳥搜索算法進行改進，提出一種基于Boltzmann選擇策略的布谷鳥搜索算法，目的在于提高布谷鳥搜索算法在函數(shù)優(yōu)化問題上的表現(xiàn)，使其具有更高的效率、更快的收斂速度和更好的求解精度。
　　針對布谷鳥搜索算法的特點，將布谷鳥搜索算法進行離散化處

3、理，結(jié)合禁忌搜索的思想，提出一種離散型布谷鳥搜索算法，并將之應(yīng)用于經(jīng)典的組合優(yōu)化問題—旅行商問題。
　　布谷鳥搜索算法本質(zhì)上具有并行特性，適合并行計算。本文探討了布谷鳥搜索算法的并行方式，提出布谷鳥搜索算法在Hadoop平臺上基于MapReduce并行編程模型實現(xiàn)并行化的方案，并將布谷鳥搜索算法抽象為和MapReduce的幾個接口對應(yīng)的組件，從而為一類布谷鳥搜索算法基于MapReduce模型實現(xiàn)并行化提供一種可擴展的方案。最后通過