✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。
🍎个人主页: Matlab科研工作室
🍊个人信条:格物致知。
更多Matlab仿真内容点击👇
智能优化算法 神经网络预测 雷达通信 无线传感器
信号处理 图像处理 路径规划 元胞自动机 无人机 电力系统
⛄ 内容介绍
为探究经济调度问题,建立以最小完工时间为目标的模型,首次提出利用新型的智能算法——蚁狮算法解决该问题.该算法具有种群多样,寻优与适应性强,调节参数少,求解与收敛精度高,不受研究对象的约束等优点,适合解决经济调度问题。
⛄ 部分代码
% This program solve Economic load Dispatch (ELD) problem without Transmission losses using Ant Lion
% Optimization
clear all;
clc;
format long;
global data lb ub dim Pd
% Enter the No. of Search Agents
SearchAgents=30; % Number of search Agents (i.e. No. of Population)
%Define Maximum number of iterations
Max_iteration=500;
%% input data ( generator coeffecients,upper and lower limits)
data=[0.03546 38.30553 1243.5311 35 210
0.02111 36.32782 1658.5696 130 325
0.01799 38.27041 1356.6592 125 315];
Pd=600;% Load demand
Function_name='eld';
[lb,ub,dim,fobj]=input(Function_name);
% Use ALO Main function to Evaluate the Population
[Best_score,Best_pos,cg_curve]=ALO(SearchAgents,Max_iteration,lb,ub,dim,fobj);
semilogy(cg_curve,'m-.');
[ F P1 ]=eld(Best_pos);
display(['Fuel Cost : ', num2str(F,10)]);
display(['generation : ', num2str(P1,5)]);
title('Objective space')
xlabel('Iterations');
ylabel('Fuel Cost (Rs./hour)');
legend('ELD without losses using ALO')
⛄ 运行结果
⛄ 参考文献
[1]田录林, 陈倩雯, 周萌,等. 基于改进蚁狮算法的MMC控制器PI参数优化研究[J]. 通信电源技术, 2019, 36(7):7.
[2]邵庆祝, 谢民, 王同文,等. 基于蚁狮算法的含分布式电源配网过电流保护配合优化[J]. 电子器件, 2020(006):043.