بعضی گونه‌های فاخته همچون تخم- انگلی دنیای جدید- تاپیرا( tapera) به همان شیوه‌ای شکل می‌گیرد که فاخته‌های مونث انگلی اغلب خیلی در تقلید در رنگ‌ها و الگوی تخم‌های تعدادی از گونه‌های انتخابی میزبان متخصص می‌شوند.
به‏نظر می‌رسد این شیوه می‌توان برای الگوریتم‌های دیگر متاهو-یستیک به‌طور عملی انجام شود.
الگوریتم بهینه سازی فاخته( Cuckoo) یکی از الگوریتم‏‌‌های فراابتکاری مبتنی بر جمعیت و بر مبنای رفتار موجودات است.
این الگوریتم براساس نحوه تخم گذاری و تولد پرنده فاخته عمل می‌کند و در مسایل بهینه سازی مختلفی در حوزه: پردازش تصویر، یادگیری ماشین، مهندسی کنترل و… به کار می‌رود و دارای توانایی بالایی در فرار از بهینه‏‌‌های محلی است.
دانشجویان در حوزه‏‌‌های مختلف مهندسی و انسانی به خصوص مدیریت و اقتصاد می‌توانند از این الگوریتم در تحقیقات خود به بهترین نحو استفاده کنند.
یکی از جدیدترین و قویترین روش‏‌‌های بهینه سازی تکاملی، الگوریتم بهینه سازی فاخته می‌باشد که توانایی بیشتری در پیدا کردن نقاط بهینه سراسری دارد.
این الگوریتم رفتار پرنده فاخته در لانه سازی و تخم گذاری را برای حل مسایل بهینه سازی شبیه سازی می‌کند.
در این مقاله ابتدا توضیح کلی در مورد این الگوریتم ارایه می‌شود و سپس مسایلی که توسط این الگوریتم حل شده‏‌اند بررسی و مرور می‌شوند .
الگوریتم بهینه سازی فاخته یا Cuckoo Optimization Algorithm یکی از جدیدترین و قویترین روش‌های بهینه‌سازی تکاملی می‌باشد که تا کنون معرفی شده‌اند.
از دیگر الگوریتم‌های معرفی شده می‌توان به الگوریتم ازدحام ذرات( PSO )، کلونی مورچگان( ACO )، الگوریتم زنبور عسل( ABC) و الگوریتم ماهی‌های مصنوعی اشاره کرد.
کاربردهای بیشماری از این روش‌ها را برای حل مسایل مختلف بهینه‌سازی پیچیده در مقالات می‌توان پیدا کرد.

منبع : پاورپوینت الگوریتم بهینه سازی فاخته