智能算法是受自然现象或生物社会行为启发设计的解决问题的算法,也称为启发式算法。智能算法能够在求解空间内根据自身的随机搜索策略向适应值函数指导的方向进行最优解的搜索,相对于传统算法在解决复杂问题时更具优势,在很多领域都得到广泛的应用,引起高度关注。群体智能算法是智能算法的一种,是以生物群体社会性行为作为仿生原理,在具体实际问题的解决上具有很好的性能。布谷鸟搜索算法是一种新型的群体智能算法,布谷鸟算法因具有结构简单、参数较少、可操作性好的优点而备受关注,为很多优化问题的解决提供了可行性方法。本文选取布谷鸟搜索算法作为研究对象,对布谷鸟的相关研究与应用作了论述,并进一步对布谷鸟搜索算法本身的研究和应用进行了相关工作,具体来说有以下几点:(1)对基本的布谷鸟算法原理和算法研究进行了分析与综述。对基本的布谷鸟算法涉及参数进行了逐一分析,并对该算法的研究与应用进行了分类概述,明确了该算法的原理与特点、研究趋势与应用层面,对该算法做了全面阐述;(2)对基本的布谷鸟算法提出同时在步长和发现概率两个参数方面进行改进,平衡算法的全局搜索和局部搜索能力,提出基于自适应步长的布谷鸟算法和基于自适应步长和发现概率的布谷鸟算法,选用八个测试函数进行了测试,并通过PID参数整定问题进行实例应用,与其他智能算法作了比较,测试表明改进方法使算法后期的收敛性和搜索效率有所提升,提高了该算法的性能;(3)将改进后的布谷鸟算法结合最优扰动策略应用于优化K-means聚类算法。针对K-means算法容易陷入局部最优解和布谷鸟算法搜索具有盲目性问题,通过改进后的布谷鸟算法和最优扰动策略进行优化K-means算法,经过对算法有效性和收敛性进行实验测试,改进后的布谷鸟算法应用于优化K-means聚类算法具有较好的效果。