布谷鸟算法matlab源码解析，详细解释，亲测可用！！！

对于求解的TSP问题，提出了一种自适应离散型布谷鸟算法（Adaptive Discrete Cuckoo Search，ADCS）。在基于布谷鸟搜索算法（Cuckoo Search，CS）的搜索原理下构造TSP问题的路径求解策略。针对离散型算法整体调整容易破坏已形成的较优路径和随着算法迭代数目增加导致种群多样性下降这两个缺陷，设计了一种针对路径的自适应型局部调整算子和全局随机扰动策略，采用了简单的2-opt优化算子作为局部优化算子以加快算法的收敛速度。最后采用多组不同规模的标准TSPLIB数据与其他的优化算法进行对比实验，结果表明ADCS算法在求解精度和稳定性方面具有优势。

布谷鸟算法（Cuckoo Search，缩写 CS），也叫杜鹃搜索，是由剑桥大学杨新社（音译自：Xin-She Yang）教授和S.戴布（S.Deb）于2009年提出的一种新兴启发算法。文件为MATLAB程序（主体程序和莱维飞行程序），有中文注释，可直接运行，适合初学者。可改变目标函数使用，也可对其进行改进

这是原作者写的关于布谷鸟算法的源代码，包含三种情形：给定干扰的；固定迭代次数的；带约束优化的。分享给正在学习的各位

布谷鸟求解函数的最小值，这是布谷鸟算法与莱维飞行的详细讲解；带注释的布谷鸟算法，清晰易懂，简洁好用，可以更改适应度函数应用不同的场景。

基于混沌单纯形法算子的布谷鸟搜索算法，MATLAB代码，能直接使用，适合初学者学习

布谷鸟搜索（Cuckoo Search，CS）算法在求解连续优化问题时表现出了较好的性能，但现有的CS算法在求解旅行商问题（Traveling Salesman Problem，TSP）时收敛较慢且未能体现Levy飞行的特点，针对这些不足提出了一种新的基因-表现型的布谷鸟算法（Genotype-Phenotype Cuckoo Search，GPCS），GPCS算法首先赋予每个城市一个整数部分为城市编号的随机小数编码即基因，而此基因所表现的内容由小数和整数共同决定，小数决定城市的访问次序，整数部分代表某个城市，两个部分组合起来构成Levy飞行的邻域空间，最后根据不同的飞行结果选择重定位或替换操作。实验结果表明，GPCS算法优于同类的CS算法，也优于一些其他的群智能算法，特别在求解大规模TSP时其优势更加明显。

cuckoo_search12 是对原布谷鸟算法MATLAB程序的修改。其中的数据是参考论文《 基于布谷鸟算法的平面选址问题_宋瑞敏 》中的无约束公式和12顶点数据。 程序在MATLABr2017b测试通过。其他顶点计算只需要修改最后的函数及顶点矩阵即可。

附件中是布谷鸟算法的Java版本的代码实现，可以正常运行；下载者可以根据自己的应用场景来修改。

CS（布谷鸟算法）、PSO（粒子群优化算法）源码中文逐行注释，很好的学习材料。