注意：此代碼實現的是求目標函數最大值，求最小值可將適應度函數乘以-1（框架代碼已實現）。
注意：此代碼實現的是求目標函數最大值，求最小值可將適應度函數乘以-1（框架代碼已實現）。
注意：此代碼實現的是求目標函數最大值，求最小值可將適應度函數乘以-1（框架代碼已實現）。

1.代碼實現

不了解杜鵑搜索算法可以先看看優化算法筆記（九）杜鵑搜索算法
實現代碼前需要先完成優化算法matlab實現（二）框架編寫中的框架的編寫。

以及優化算法matlab實現（四）測試粒子群算法中的測試函數、函數圖像的編寫。

杜鵑搜索算法的個體沒有獨有屬性。
杜鵑搜索算法個體
文件名：.. \optimization algorithm\algorithm_cuckoo_search\CS_Unit.m

% 杜鵑搜索算法個體
classdef CS_Unit < Unit
    
    properties
    end
    
    methods
        function self = CS_Unit()
        end
    end
    
end

杜鵑搜索算法主體
文件名：..\optimization algorithm\algorithm_cuckoo_search\CS_Base.m

% 杜鵑搜索算法
classdef CS_Base  < Algorithm_Impl
    
    properties
        % 算法名稱
        name = 'CS';
        % 最大步長
        step_max = 1;
        % 發現外來蛋的概率
        pa = 0.3;
    end
    
    % 外部可調用的方法
    methods
        function self = CS_Base(dim,size,iter_max,range_min_list,range_max_list)
            % 調用父類構造函數
            self@Algorithm_Impl(dim,size,iter_max,range_min_list,range_max_list);
            self.name ='CS';
        end
    end
    
    % 繼承重寫父類的方法
    methods (Access = protected)
        % 初始化種群
        function init(self)
            init@Algorithm_Impl(self)
            %初始化種群
            for i = 1:self.size
                unit = CS_Unit();
                % 隨機初始化位置：rand(0,1).*(max-min)+min
                unit.position = unifrnd(self.range_min_list,self.range_max_list);
                % 計算適應度值
                unit.value = self.cal_fitfunction(unit.position);
                % 將個體加入群體數組
                self.unit_list = [self.unit_list,unit];
            end
        end
        
        % 每一代的更新
        function update(self,iter)
            
            update@Algorithm_Impl(self,iter)
            self.update_position();
            self.change_nest();
        end     
        
        % 更新位置，levy飛行
        function update_position(self)
            best_id = self.get_best_id();
            for i = 1:self.size
                if(i ~= best_id)
                    % 不是最優個體才更新
                    new_pos = self.unit_list(i).position+unifrnd(0,1,1,self.dim)*self.step_max.*Levy(self.dim).*(self.unit_list(i).position-self.position_best);
                    new_pos = self.get_out_bound_value(new_pos);
                    new_value = self.cal_fitfunction(new_pos);
                    % 優于當前值才移動
                    if(new_value > self.unit_list(i).value)
                        self.unit_list(i).value = new_value;
                        self.unit_list(i).position = new_pos;
                    end
                end
            end
        end
        
        function change_nest(self)
            best_id = self.get_best_id();
            for i = 1:self.size
                if(i ~= best_id)
                    r = rand();
                    if(r<self.pa)
                        % 被宿主發現，更新
                        new_pos = self.unit_list(i).position+r*unifrnd(self.range_min_list,self.range_max_list);
                        new_pos = self.get_out_bound_value(new_pos);
                        new_value = self.cal_fitfunction(new_pos);
                        % 優于當前值才移動
                        if(new_value > self.unit_list(i).value)
                            self.unit_list(i).value = new_value;
                            self.unit_list(i).position = new_pos;
                        end
                    end
                end
            end
        end
        
        % 獲取當前最優個體的id
        function best_id=get_best_id(self)
            % 求最大值則降序排列
            [value,index] = sort([self.unit_list.value],'descend');
            best_id = index(1);
        end
        
    end
end

function o=Levy(d)
beta=1.5;
sigma=(gamma(1+beta)*sin(pi*beta/2)/(gamma((1+beta)/2)*beta*2^((beta-1)/2)))^(1/beta);
u=randn(1,d)*sigma;v=randn(1,d);step=u./abs(v).^(1/beta);
o=step;
end

文件名：..\optimization algorithm\algorithm_cuckoo_search\CS_Impl.m
算法實現，繼承于Base,圖方便也可不寫，直接用CS_Base，這里為了命名一致。

%杜鵑搜索算法實現
classdef CS_Impl < CS_Base
   
    % 外部可調用的方法
    methods
        function self = CS_Impl(dim,size,iter_max,range_min_list,range_max_list)
            % 調用父類構造函數設置參數
             self@CS_Base(dim,size,iter_max,range_min_list,range_max_list);
        end
    end 
end

2.測試

測試F1
文件名：..\optimization algorithm\algorithm_cuckoo_search\Test.m

%% 清理之前的數據
% 清除所有數據
clear all;
% 清除窗口輸出
clc;

%% 添加框架路徑
% 將上級目錄中的frame文件夾加入路徑
addpath('../frame')

%% 選擇測試函數
Function_name='F1';
% [最小值，最大值，維度，測試函數]
[lb,ub,dim,fobj]=Get_Functions_details(Function_name);

%% 算法實例
% 種群數量
size = 50;
% 最大迭代次數
iter_max = 1000;
% 取值范圍上界
range_max_list = ones(1,dim)*ub;
% 取值范圍下界
range_min_list = ones(1,dim)*lb;

% 實例化杜鵑搜索算法類
base = CS_Impl(dim,size,iter_max,range_min_list,range_max_list);
% 告訴算法求不是求最大值
base.is_cal_max = false;
% 確定適應度函數
base.fitfunction =fobj;
% 運行
base.run();

%% 繪制圖像
figure('Position',[500 500 660 290])
% Draw search space
subplot(1,2,1);
func_plot(Function_name);
title('Parameter space')
xlabel('x_1');
ylabel('x_2');
zlabel([Function_name,'( x_1 , x_2 )'])
% Draw objective space
subplot(1,2,2);
% 繪制曲線
semilogy(base.value_best_history,'Color','r')
title('Objective space')
xlabel('Iteration');
ylabel('Best score obtained so far');
% 將坐標軸調整為緊湊型
axis tight
% 添加網格
grid on
% 四邊都顯示刻度
box off
legend(base.name)
display(['The best solution obtained by ',base.name ,' is ', num2str(base.value_best)]);
display(['The best optimal value of the objective funciton found by ',base.name ,' is ', num2str(base.position_best)]);