求助：TSP的Cuckoo Search算法中Levy Flights的Python实现（0-1范围）

你当前的Levy Flight实现基于逆变换采样，但公式u/math.pow(1-u, 1.6)的输出范围是**(0, +∞)**，完全无法满足0-1的要求——当u接近0.9999时，1-u趋近于0，结果会急剧增大，远远超出目标区间。

根据你的需求（生成0-1范围的Levy分布值，或适配TSP场景的Levy飞行扰动），提供两种可行实现：

方案1：基于Mantegna算法的归一化Levy飞行（推荐用于TSP扰动） #

Mantegna算法是生成Levy飞行的标准方法，输出的步长符合Levy分布，再通过截断和归一化映射到0-1区间：

import math
import numpy as np
from scipy.stats import norm

def levy_flight_mantagna(beta=1.6):
    # Mantegna算法生成标准Levy分布步长，beta通常取1.5-1.6
    sigma_u = math.gamma(1 + beta) * math.sin(math.pi * beta / 2)
    sigma_u /= math.gamma((1 + beta)/2) * beta * math.pow(2, (beta - 1)/2)
    sigma_u = math.pow(sigma_u, 1/beta)
    
    u = norm.rvs(0, sigma_u)
    v = norm.rvs(0, 1)
    
    return u / math.pow(abs(v), 1/beta)

def normalized_levy_01(beta=1.6, max_step=10):
    # 将Levy步长缩放到0-1区间
    levy_step = levy_flight_mantagna(beta)
    # 截断极端值，避免归一化失效
    clipped_step = np.clip(levy_step, -max_step, max_step)
    # 线性归一化到0-1范围
    return (clipped_step + max_step) / (2 * max_step)

方案2：截断逆变换生成0-1区间Levy分布值 #

如果仅需要0-1区间的截断Levy分布随机数，可在原逆变换基础上增加截断和归一化：

import math
import numpy as np

def truncated_levy_01(beta=1.6):
    u = np.random.uniform(0.0001, 0.9999)
    # 原逆变换公式生成Levy值
    levy_val = u / math.pow(1 - u, 1/beta)
    # 设定截断上限（beta=1.6时，99%分位数约为20，可按需调整）
    max_val = 20
    clipped_val = np.clip(levy_val, 0, max_val)
    # 归一化到0-1
    return clipped_val / max_val

在TSP的布谷鸟搜索中，Levy飞行通常用于生成路径的扰动（比如交换若干城市位置、调整城市顺序），而非直接生成0-1数值。你可以用生成的Levy步长控制扰动的幅度：比如将归一化后的0-1值映射为交换城市的数量，或作为调整路径的概率阈值。

内容的提问来源于stack exchange，提问作者kGame