1、本质
寻找最值的算法
2、算法的基本思想
此算法结合莱维飞行寻找函数最小值。其中莱维飞行简单来说就是产生一种随机步长的算法，以短步长为主，偶尔产生长步长，避免函数新解取到被求解方程式的局部最小值。
求解最小值的过程中出现最优解的迭代过程主要有两种迭代思路（结合自然界布谷鸟的借巢育子的行为）：（1）采用莱维飞行的路径来寻找较优解（布谷鸟首先采用莱维飞行找窝下蛋）；（2）找到的较优解有一定的概率Pa被替换，替换后的解最为新的较优解（宿主鸟发现假蛋，将假蛋移除损坏或者重新建立新的巢穴）。两种迭代公式如下：
3、运用CS算法求解函数最优解的操作步骤：
- 目标函数
- 产生n个解的初始集合-------（产生n个寄主的初始群落）
- While（t<最大步长）
- 随机通过莱维飞行产生一个解
- 评估解的质量或者目标函数的值
- 从n个解中随机选取一个
- 比较两个解，找出一个较优解，作为新解。
- 一部分的解会存在一定的概率（Pa）被抛弃，由（2）式产生新解
保留最优解
4、Matlab仿真程序的设计
（1）莱维飞行程序func_levy.m
normrnd函数：生成服从正态分布的随机数；R＝normrnd(MU,SIGMA)：生成服从正态分布(MU参数代表均值，SIGMA参数代表标准差)的随机数。R＝normrnd(MU,SIGMA,m,n)：生成m×n形式的正态分布的随机数矩阵。
Mantegna方法，生成服从萊维分布的随机步长的方法如下：
（2）主函数Csmain.m
参数设置；
初始化寄主的鸟巢，随机产生一个解；
通过levy飞行产生一个解；
与上一代比较，更新适应度较优的鸟巢；
根据发现概率舍弃一个鸟巢并建立一个新鸟巢；
列出当前最佳的鸟巢；
更新当代最优鸟巢的位置；
输出这个鸟巢里的每个鸟蛋，即是每个解。
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
