随着人类社会的不断发展和科学探索步伐的不断前进,人们面临着越来越多的最优化问题。由于人类对生产效率的追求日趋极致,常规优化方法在有限的时间和空间内已经很难解决日益复杂的最优化问题。仿生群智能优化算法因其灵活性和高效性已成为解决最优化问题常用的有效方法。布谷鸟搜索算法是一种新兴的启发式仿生群智能优化算法,因其具有理论清晰、参数少、易扩展、全局搜索能力强、易于实现等优点,可以广泛应用于各种优化问题。本文主要针对布谷鸟搜索算法进行应用研究和改进。本文首先介绍布谷鸟搜索算法的生物学原理和数学原理,然后介绍Levy flights机制,并阐述算法的具体步骤和执行流程。在分析基本布谷鸟搜索算法缺陷的基础上,对基本布谷鸟搜索算法进行改进,提出一种基于Boltzmann选择策略的布谷鸟搜索算法,目的在于提高布谷鸟搜索算法在函数优化问题上的表现,使其具有更高的效率、更快的收敛速度和更好的求解精度。针对布谷鸟搜索算法的特点,将布谷鸟搜索算法进行离散化处理,结合禁忌搜索的思想,提出一种离散型布谷鸟搜索算法,并将之应用于经典的组合优化问题—旅行商问题。布谷鸟搜索算法本质上具有并行特性,适合并行计算。本文探讨了布谷鸟搜索算法的并行方式,提出布谷鸟搜索算法在Hadoop平台上基于MapReduce并行编程模型实现并行化的方案,并将布谷鸟搜索算法抽象为和MapReduce的几个接口对应的组件,从而为一类布谷鸟搜索算法基于MapReduce模型实现并行化提供一种可扩展的方案。最后通过仿真实验验证了布谷鸟搜索算法并行化方法的正确性和有效性。最后总结本文的研究内容,并对下一步的工作做出展望。