为了提高动态多种群粒子群(DMS-PSO) 算法的全局搜索能力, 将布谷鸟搜索算法(CS) 引入DMS-PSO 算法中, 提出DMS-PSO-CS 算法. 采用中位数聚类算法将整个种群动态划分为若干小种群, 各个小种群作为底层种群通过PSO 算法进行寻优, 再将每个小种群中的最优粒子作为高层种群的粒子通过CS 算法进行深度优化. 将所提出算法应用于CEC 2014 测试函数, 并与CS 算法和其他改进的PSO 算法进行比较. 实验结果表明, 所提出算法能够显著提高全局搜索能力和算法效率.

针对Criminisi算法在修复敦煌壁画时易出现错误填充、修复效率较低等问题,提出了一种基于序贯相似性和布谷鸟寻优算法结合的敦煌壁画修复方法。首先采用P-Laplace算子重新定义数据项,改进了优先权计算方法,避免了优先权频繁趋于0的问题;其次引入动态阈值序贯相似性检测算法进行匹配块的搜索,提高了壁画修复效率;为了使匹配块选择更加合理,再利用布谷鸟寻优算法确定最佳匹配块;最后通过迭代更新完成壁画修复。通过对敦煌壁画的修复实验表明,本文方法相比于同类比较算法,取得了较好的主客观修复效果,并且修复效率也得到了进一步提升。

针对这种增强，提出了一种鲁棒且新颖的基于自适应布谷鸟搜索的增强算法。 该算法包括混沌初始化阶段、自适应 Lévy 飞行策略和突变随机化阶段。

完整代码，可直接运行

分布式布谷鸟算法在无线传感器网络优化中的应用， 在无线传感器网络中，传感器节点的部署通常具有随机性。随机布局的无线传感器网络存在着节 点利用率低，传感器网络覆盖率小等问题。为了解决无线传感器布局问题，提出了基于分布式布 谷鸟算法的无线传感器网络覆盖优化算法，利用布谷鸟算法对传感器节点的布局进行优化，同时 采用分布式计算提高算法的计算速度。实验表明，该算法对无线传感器网络的布局具有很好的优 化效果，而且比布谷鸟算法具有更快的计算速度

【SVM分类】基于布谷鸟算法优化实现SVM数据分类matlab源码.zip

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

【TSP】基于matlab自适应动态邻域布谷鸟混合算法求解旅行商问题【含Matlab源码 1513期】.zip

有标准布谷鸟算法，自适应布谷鸟算法，模拟退火布谷鸟算法，有注释很详细

较为常规的布谷鸟算法的应用，其中在数据分析，数据挖掘，算法工程师上应用特别的广泛