布谷鸟算法是2009年英国剑桥大学的Xin-She Yang和Suash Deb提出的一种新型元启发式智能优化算法,该算法基于布谷鸟寻窝产卵行为并结合鸟类莱维飞行。通过对若干标准测试函数及实际工程问题的对比实验,表明该算法的结果优于遗传算法与粒子群算法。该算法简单易行,参数少,解决特殊问题无须大量参数,由此该算法引起了国内外众多学者的关注。本文主要对布谷鸟算法做了改进,并将改进的布谷鸟算法与罚函数结合应用到工程优化问题中,提出了算法性能度量的一般化方法。本文的主要研究成果如下：(1)分析了布谷鸟算法的运行方式,以及更新公式,改进布谷鸟算法中程序更新公式,提出改进的布谷鸟算法(Modified Cuckoo Search,MCS)。最后通过测试标准测试函数验证了改进的布谷鸟算法在后期收敛速度要优于原布谷鸟算法。(2)将罚函数法与改进的布谷鸟算法结合,提出适应于一般约束优化问题的含罚函数项的布谷鸟算法(Penalty Modified Cuckoo Search,PMCS)。并将PMCS算法应用到工程优化问题。结果表明,PMCS尊法后期收敛速度加快,得到的结果优于遗传算法。(3)通过定义序列空间集合列的下极限,提出了元启发式算法性能的一般评价方法,并根据数值实验结果对四种算法的性能进行了评价。结果表明该方法较好反映了各类算法求解性能的差异,具有较好的通用性。