优化问题是在一定约束下找到一组参数值,以使系统的某些性能指标达到最小值或最大值。目前,优化问题主要通过两种方法解决:确定性优化方法或非确定性优化方法(随机优化方法)。确定性优化方法虽然已经很成熟,但是对工程条件的要求非常严格,因此随机优化方法得到了迅速的发展。在随机优化方法中,尤其是启发式优化方法正在迅速发展。对于优化问题,我们需要找到一种更合适的算法,以找到其最佳值是最关键的。随着当今计算机技术的飞速发展和大量优化问题,陆续提出了各种启发式算法,并已成功应用于智能控制等许多领域,如模型识别,生物信息,无线传感器网络,神经网络,电力系统等。布谷鸟搜索算法是一种基于布谷鸟巢寄生行为和莱维飞行习惯的启发式算法。该算法概念简单,参数较少,易于实现,运算速度快。它已成功应用于许多领域。本文研究了布谷鸟搜索算法的全局和局部搜索模式。主要工作如下:(1)本文通过对布谷鸟搜索算法的原理与程序实现流程进行了研究与探讨。针对布谷鸟存在局部解算精度低的缺点的问题,本文进行了算法的改进,提出了具有方向约束的布谷鸟搜索算法。(2)煤炭现在时我国的主要能源,矿山开采后岩层产生空层,导致地面会出现沉降,可能会引起建筑物损坏等一系列地址灾难,因此在一个煤矿开采前对其将会引起的地表变形进行预计就尤为重要。本文在国内现在最常用的地表沉降预计方法——概率积分法的基础上,分析其原理及其进行预计时需要用到的主要参数,据此建立了误差函数模型。(3)根据按照概率积分法建立的误差函数模型与基于方向约束的布谷鸟搜索算法原理,本文用Visual Studio语言编写了“采煤沉陷参数结算软件”。软件面向用户提供了模失法与(基于方向约束的)布谷鸟搜索算法两种概率积分法参数解算方法。(4)根据一般采矿条件下的采煤沉陷参数,以概率积分法预计结果作为真值制作了仿真数据,并通过加入不同量的随机误差、粗差与删除一些观测点的方式验证了布谷鸟算法在概率积分法参数解算中的可行性。