原文
仿照布谷鳥（也叫大杜鵑）“寄生”和"levy的飛行方式"。
寄生：借别人的巢來養自己的鳥蛋； levy飛行：萊維飛行，大多數鳥類的飛行軌迹都是是長、短不一的各種飛行距離相間的一種組合，每段飛行距離都和前一段距離相差一個很小的角度。圖形如下：
整個過程原理如下：布谷鳥在一堆鳥窩 n 中做選擇，選出最好的鳥巢，把自己的蛋放在裡面；宿主（被寄生的鳥）以一定機率pa發現有自己的鳥巢，則把布谷鳥的鳥蛋扔出去/建造新的鳥巢。
————————
下面詳細介紹算法内容：
布谷鳥算法(Cuckoo search, CS)是由英國學者 Xin-She Yang 和 Suash Deb 于2009年在群體智能技術的基礎上提出的一種新型基于自然元啟發式算法。模拟某些種屬布谷鳥(Cuckoo Species)的寄生育雛(Brood Parasitism)有效求解最優化問題的算法。
該算法的思想是基于布谷鳥的巢寄生行為以及鳥類的 Lévy 飛行行為。
為了簡單的描述布谷鳥算法，利用以下3條理想化規則對其闡述。
1)每隻布谷鳥每次随機選擇一個巢,并産生一個卵；
2)具有最高品質卵的巢保留至下一代；
3)可寄主巢的數量n是固定的，且寄主以機率為pa屬于(0,1)發現布谷鳥放的卵，在這種情況下，寄主鳥将布谷鳥的卵扔掉或者丢棄現有的巢。
為了簡單起見，假定n個巢(寄主鳥的數量)中pa部分被新的巢（新解）替代。
在布谷鳥算法中，每個巢中的卵代表一個解，布谷鳥的卵代表新解，目标是利用新解或者潛在的優解替代巢中的劣解。
————————————算法步驟——————————————
————————整體搜尋原理————————————————
如何執行 Levy 飛行【全局搜尋】
式(2)本質上是一種随機行走的随機（stochastic）公式。事實上，随機行走是一個馬爾科夫鍊，其下一個狀态/位置僅取決于目前狀态（上式的第一項）和轉移機率（上式的第二項）。然而，新解的很大一部分應該由遠場随機化産生，它們的位置應該離目前最佳解足夠遠，這将確定系統不會陷入局部最優。
從實作的角度來看，用 Lévy 飛行生成随機數應包括兩個步驟：随機方向的選擇和服從 Lévy 分布的步長的生成。方向的生成應該服從均勻分布，而生成步長是相當棘手的。有幾種方法可以實作，但是最有效且直接的方法就是使用所謂的 Mantegna 算法來實作對稱的 Lévy 穩定分布。
然而，生成正确服從 Lévy 分布的僞随機步長并不簡單。 在 Mantegna 算法中，步長 s 可以通過以下變換使用兩個服從高斯分布的變量 U 和 V 來計算：
——————————參數取值——————
——————————結論——————
布谷鳥算法參數少，速度快，是以被廣泛應用。
除此以外，它還能與其他算法無縫對接，也就是說它的通用性好。