1、“.....并且在这个路线中有很多的转角，成了个间歇性的飞行模型，甚至这种飞行与飞行有着定的关系，随后，这种行为已经被应用于优化问题和发现最优解的研究当中，初期的结果表明，这种行为有着很好的前景。 大体上说，飞行是个随机的游走策略，它的步长可以由分布所决定，般是根据个简单有效的式子来决定的，即在这里，是个最小的步长，为个控制参数，显然，当时，我们可得可以看出，这是飞行的个特殊情况。 般，分布可以通过系列的傅里叶函数来定义，即,这里，是个控制参数，由于它没有解析结构，所以它二〇〇八年十二月二十六日星期五的反常积分不易得出，但是不排除些特殊情况。 当时，我们有它的反常积分可以相应的转化为个高斯分布，另个特殊情况为当，此时，我们有此时......”。

2、“.....控制整个分布的规模。 对于般的情况，相应的反常积分为此式只有当最大时才可以被估计，即有,这里的是个伽马函数当其中的,为整数时，我们有,二〇〇八年十二月二十六日星期五二〇〇八年十二月二十六日星期五当图表明他们在步之内数和比较规则也是非常必要的，在我们未来的工作中，我们将会关注系列测试问题中的参数研究，包括非连续的和混合的优化问题，我们将努力测试出问题的多样性，以提高算法不同的适应性，其实更好的适应于更多不同的问题。 有很多有效的科学技术可以使得问题更具多样性，而些技术之间的相互结合可以很好地提高的有效性。 以后我们更进步的研究就会更在意多目标优化问题的算法与其他主流方法的不同，另外，这也会使得其他的算法可以由更加令人满意的效果......”。

3、“.....很多问题都是典型的多目标问题，而且，都是复杂的非线性问题。 现在我们研究的优化算法就是为了解决多目标化的问题，使得与单目标问题的解决有明显的区别，计算结果和函数值有可能会增加多目标问题的特性。 此时，元启发式算法开始显示出自己在解决多目标优化问题中的优越性。 在本篇文章中，我们构造了个新的用于解决多目标优化问题的算法布谷鸟搜索算法。 我们通过系列的多目标检验函数对其的有效性已经做出来检验，发现它可以应用于解决结构设计等问题中去，例如光路设计制动器设计等。 另外，我么还对该算法的主要特性和应用做了相关的分析。 简介在设计问题中经常会考虑到很多多重的复杂问题，而且这些问题往往都具有很高的非线性性。 在实际中，不同的目标之间往往会有分歧和冲突，有时候，实际的最优化解决方案往往不存在，而些折中的和近似的方案往往也可以使用。 除了这些挑战性和复杂性以外......”。

4、“.....而且还会被设计代码设计标准材料适应性和可用资源的选择，以及二〇〇八年十二月二十六日星期五设计花费等所限制，甚至是关于单目标的全局最优问题也是如此，如果设计函数有着高度的非线性性，那么全局最优解是很难达到的，而且，很多现实世界中的问题经常是的，这就意味着没有个行之有效的算法可以解决我们提并且在问题的解决中也有着很重要的应用。 目前，有种新的由杨新社教授和教授在年提出的元启发算法，名为布谷鸟算法，对于此种算法，在最初的研究中就可以看出，其具有很高的前瞻性，比现有的算法有着更好的性能，在本篇论文中我们将会对作以延伸，以便其可以解决多目标优化问题，而且可以建立个基于多目标的布谷鸟搜索算法。 第步我们将通过建立个多目标的检验函数来使问题具体化，然后我们会将其应用到工程优化问题中，包括双目标的光路设计和制动器设计。 同时......”。

5、“.....并且对文章做以进步的研究。 多目标的布谷鸟搜索为了对算法做以延伸来解决多目标的问题，我们在此先对布谷鸟有趣的繁殖行为规律做以简要的回顾，然后，我们将会对此算法的基本观点和步骤以及实际的算法过程作以概述。 布谷鸟的繁殖行为布谷鸟是种有趣的鸟，它的有趣不仅是因为它动听的歌声，还因为其具有侵略性的繁殖策略。 像美洲黑杜鹃这种鸟类，它们会将自己的卵产在公共的巢穴中，并且，它们会将其他鸟类的蛋移出巢外以提高自己的蛋被孵化的几率，大多数鸟类通过产卵于其他寄主的巢中这种寄生性规律来完成自己孵化的任务，目前，存在着三种最基本的寄生性行为种内产卵寄生性合作式寄生性巢穴接管。 些寄主可以直接发现这些入侵者，并与入侵的鸟类发生冲突，如果寄主发现其巢中的蛋不是自己的，它们便会扔掉这些蛋或者直接遗弃这个巢穴，在别处重新建立个新的巢穴。 些像也通过类似的途径进行繁殖......”。

6、“..... 这些就降低了它们的蛋被遗弃的概率，从而提高了它们的繁殖率。 飞行的有效性在自然界中，动物存在着随机的或者类似随机的觅食行为，般，动物的这种觅食行为的路径为个有效的随机游走过程，二〇〇八年十二月二十六日星期五因为下次的出发路径是建立在当前的位置和去下个位置的可能性上的，出的问题，因此，对于个已经提出的问题，启发式算法和科学技术与具体的学科交叉知识经常被用于其中，用来作为解决问题的向导。 另方面，元启发算法在解决此类优化问题方面是非常有效的，而且已经在很多刊物和书籍中得以运用，与单目标的优化问题相反的是，多目标优化问题具有典型的复杂性和困难性，在单目标的优化问题中我们必须去找出个最优化的解决方法，此方法在问题的解决中存在着个单的点，并且在此问题中不包括那些多重的平均优化的点，对于个多目标的优化问题，存在着名为的多重的复杂的优化问题，为了了解我们所不熟悉的问题......”。

7、“.....从而，此计算结果将会随着近似解的变化问题的复杂度和解决方法的多样性而有所变化甚至增加。 在理论上，此类解决方法应包括问题并且应相对的有致无分歧的分布情况，然而，还没有科学的方法可以证明这种解决方法可以在实际中得以应用。 从问题的出发点我们可以得知，算法可以在单目标优化问题中运行的很好，但是却不能在多目标的优化问题中直接的运用，除非是在特殊的环境与条件下才可以应用。 例如，使用些二〇〇八年十二月二十六日星期五有利的求和方法将多目标问题归结到单目标问题中去，在优化的过程中，我们需要大量的修改工作，除此之外，更困难的更具挑战性的是，怎样总结这些方法，使其有着足够的多样性，这样的话，这种新的解决方法就可以成为有效利用搜索空间的实例。 而且，在真实的生活中，优化问题往往包含了些不确定性和干扰性，例如，材料的适应性对于个产品的设计往往有着很重要的影响......”。

8、“..... 尽管存在着这些挑战性，多目标优化问题仍存在着许多有效的算法使其在很多问题中有着成功的应用，此外元启发算法开始作为解决多目标优化问题的主角出现在大众面前，优化算法设计者以及科学家们经常模拟自然界中些成功的范例来解决问题，例如，生物系统，很多新的算法也都开始出现个时期内相致时，这种模拟就可以看出巢中的蛋被发现的几率就会很小。 二〇〇八年十二月二十六日星期五这里的表示被选择的目标，当其中的随机步长由分布中的最大步长决定时，飞行有效的提供了个随机游走的模型,此式有个无穷大的方差，且有无限种可能，在这里，有着连续的跳跃点或步长的布谷鸟的本质，其实是个遵循规定步长的分布。 另外，最差巢穴会以比率被遗弃，所以新的巢穴可以通过随机的游走和混合来被重新建立，被混合的蛋可以通过些数字序列与寄主的蛋之间的相似性和区别来给出......”。

9、“.....步长大小的决定不是通过飞行给出的般值，个应经被杨新社教授研究过的个设计问题可以简单的总结如下当和都服从正交的分布时，即,,,此时，为标准的伽马分布函数。 数值结果参数研究现在被提及的多目标布谷鸟搜索是用来实现的，其二〇〇八年十二月二十六日星期五计算时间在到两分钟之内，我们已经通过系列变化的参数对其进行了测试，例如种群规模飞行参数发现几率。 我们让这些参数分别取不同的值让直取到,让,让，我们可以发现应用到实际中的最佳参数值分别是或另外参数可以去到之间的值，且最佳的取值为。 多目标测试函数我们对于多目标优化问题，有很多不同的测试函数，但是，我们仍需要建立个更为广泛的函数使得其可以包含分布和优化问题。 为了得到多目标布谷鸟搜索算法，我们需要在这些函数中选择的建立个凸函数非凸函数和非连续的分布函数......”。