36.基于多目标螳螂优化算法的微电网优化matlab

最新推荐文章于 2024-09-14 20:30:05 发布

程高兴

最新推荐文章于 2024-09-14 20:30:05 发布

阅读量356

点赞数 5

分类专栏： MATLAB 文章标签：算法 matlab 开发语言

本文链接：https://blog.csdn.net/qq_50594161/article/details/139970340

版权

MATLAB 专栏收录该内容

179 篇文章 14 订阅

订阅专栏

微♥关注“电击小子程高兴的MATLAB小屋”获取资源

基于螳螂优化算法的多目标优化算法求解微电网多目标优化调度

比较不同目标函数寻优对调度结果的影响

第1种.将两个目标函数值归一化相加，取相加后最小的目标值的粒子，即寻找折衷解并画图

第2种寻找总成本最低时的解并画图

第3种寻找运行成本最低时的解并画图

第4种寻找环境保护成本最低时的解并画图

程序出图如下：

主程序为：

close all;
clear ; 
clc;
global P_load; %电负荷
global WT;%风电
global PV;%光伏
%%
addpath('./NSDBO/')%添加算法路径
TestProblem=1;
MultiObj = GetFunInfo(TestProblem);
MultiObjFnc=MultiObj.name;%问题名
% Parameters
params.Np = 100;        % Population size
params.Nr = 200;        % Archive size
params.maxgen = 100;  % Maximum number of iteration
params.ngrid = 20;      % Number of grids in each dimension
[Xbest,Fbest]  = NSDBO(params,MultiObj);


%% 画结果图ParetoFont
figure(1)
plot(Fbest(:,1),Fbest(:,2),'ro');
legend('NSDBO');
xlabel('运行成本')
ylabel('环境保护成本')
saveas(gcf,'./Picture/ParetoFont.jpg') %将图片保存到Picture文件夹下面


%% 比较不同目标函数寻优对调度结果的影响
%idxn=1 第1种.将两个目标函数值归一化相加，取相加后最小的目标值的粒子，即寻找折衷解并画图
%idxn=2 第2种寻找总成本最低时的解并画图
%idxn=3 第3种寻找运行成本最低时的解并画图
%idxn=4 第4种寻找环境保护成本最低时的解并画图
for idxn=1:4
    pg=plotFigure(Xbest,Fbest,idxn);
end