受自然界中生物体的机理或自然现象启发而开发的仿生算法称为智能算法。过去十几年,随着人工智能的迅猛发展,各种智能算法不断涌现,其应用领域也越来越广泛。布谷鸟优化算法[CuckooSearch (CS)],也叫杜鹃搜索,是智能算法的其中一种,于2009年由剑桥大学Xin-SheYang和DEBSuash提出。CS算法是一种新颖的群体智能算法,其通过模拟某些种属布谷鸟的寻窝产卵的行为来有效地求解最优化问题。同时,CS也采用相关的莱维(Levy)飞行搜索机制,要设置的参数不多,搜索能力较强。CS算法在工程优化、目标函数优化、动态环境优化、数据挖掘等多个领域得到广泛应用。CS算法提出后,激起很多研究者的兴趣,慢慢发展成为智能算法研究领域的研究热点。然而,CS算法2009年才被提出,对其研究还处于起步阶段,本身存在许多不足,如易陷入局部最优,搜索活性不足等。基于以上不足,本论文引入混沌映射,提出了一种基于混沌的布谷鸟优化算法(Chaotic Cuckoo Search, CCS),主要工作如下：1.提出了一种加入混沌映射的布谷鸟算法(CCS)。通过混沌映射,改进CS算法过度依赖莱维(Levy)飞行策略,收敛速度较慢,且在算法后期,搜索活性明显不足等缺点。在该改进算法中,混沌映射改善了布谷鸟的种群多样性,使其不易陷入局部最优。通过几个经典函数测试表明,算法不仅提高了其搜索精度,而且加快了布谷鸟算法的收敛速度。2.运用了CCS算法来求解旅行商(TSP)问题进而对算法进行性能验证。实验表明,在求解TSP问题中,与CS算法相比,CCS更有效避免算法陷入局部最小值,搜索活性大大提高,也加快了算法的收敛速度。3.运用CCS算法来求解二重数值积分,依据二重积分被积函数的形状在两个不同的方向随机产生一定数量的不等距节点。利用具有强优化能力的CCS作为优化算法对这些不等距节点进行优化,优化后的节点在很大程度上能够反映出被积函数的形状特征。将这些节点作为分割点对二重数值积分进行求解。仿真实例结果表明,该算法简单、易实现、收敛速度快、得到的积分值精度高,是一种求解二重数值积分的有效方法。4.将CCS算法与K-means算法结合,提出CCS-K-means算法,用于基因表达数据聚类的分析中,实验结果表明,CCS-K-means算法的聚类结果比原来的K-means算法要好,而且较为稳定。