布谷鸟算法（Cuckoo Search,CS）作为一种新兴的群智能算法,目前已在各个领域得到了广泛应用,已被证明是一种有效的问题求解方法。布谷鸟算法虽然具有结构简单、控制参数少等优点,然而该算法在处理一些复杂问题时会存在过早收敛、局部搜索能力弱等问题。针对布谷鸟算法的不足,本文提出的算法对原始的布谷鸟算法变异策略进行了改进,并在标准测试函数和相关优化问题上验证了算法的有效性。本文主要研究内容如下:1.针对布谷鸟算法在后期收敛速度慢,搜索精度低等问题,本文提出一种基于高斯变异与外部存档机制的布谷鸟算法（Cuckoo Search Based on Gaussian Mutation and Externanl Archive,GACS）。在算法中引入了高斯变异因子帮助算法后期在最优解区域靠近,提高算法的求解精度。并且为了避免算法陷入局部最优的情况,在算法模型加入了外部存档机制,将种群历史迭代中淘汰的个体存储起来加入到算法后续的迭代过程,提高种群的多样性。此外,针对变异缩放因子设置了参数自适应机制,从而平衡全局搜索和局部搜索。在16个测试函数上,对GACS算法性能进行了验证。实验结果表明,GACS算法在处理不同的测试函数问题上都表现出较优的求解性能。最后,将GACS算法应用在（Takagi-Sugeno,T-S）模糊系统辨识问题上,并在非线性辨识问题数据集上与其他算法进行了对比。实验结果表明,GACS算法可以找到规则数较少的T-S模糊模型。2.针对布谷鸟算法存在着过早收敛的情况,算法会遭遇局部最优的问题,本文提出了一种基于多种群协同进化机制的布谷鸟算法（Cuckoo Search Based on Multi-population Co-evcolution Strategy,MPCS）。在该算法中,将整个种群划分为三个子种群,每个子种群有相应的变异策略。在算法迭代搜索过程中,每隔数代后,将三个子种群目前搜索到的最优个体迁移至除该个体所在的其余子种群。该机制提高了种群的多样性,避免算法出现遭遇过早收敛的情况。在16个测试函数问题上与其它改进的算法进行了比较,实验结果验证了该算法的性能。3.将本文提出的GACS算法和MPCS算法应用在五个典型的工程设计问题:弹簧设计问题、三杆桁架设计问题、压力容器设计问题、减速器设计问题和焊接梁结构设计问题,实验结果验证了算法在解决受约束工程设计问题的性能。