​ 程序名称：基于多目标粒子群算法的电力系统分布式电源选址定容 实现平台：matlab 简介：为更好地解决分布式电源选址定容问题，提出一种改进的多目标粒子群算法。考虑投资成本、网损以及电压稳定性三因素建立了一个三目标的数学模型，并采用上述多目标粒子群算法对模型求解。最后利用 IEEE－69节点系统仿真来验证所提算法在分布式电源选址定容方面的有效性。 具体细节可参考自动化与仪器仪表. 2021,(05)论文《基于多目标规划的分布式电源选址定容研究》 ​

多目标粒子群算法的原理以及matlab代码实现，参考文献《基于改进多目标粒子群算法的配电网储能选址定容》。 代码注释清晰，结构有条理，非常适合用来学习多目标优化。 程序包括多目标粒子群算法的主函数与四个多目标优化常用的测试函数，代码运行有任何问题都可以帮忙解决，文档中提供了完整代码的获取方式。

里面给出MOPSO算法的源码和解释，并给出测试函数

本算法用于matlab编写多目标粒子群算法，经过多次调试，说明详细，可直接使用(For multi-objective particle swarm algorithm) 文件列表： MOPSO .....\fitness1.m,1281,2010-11-12 .....\fitness2.m,2061,2012-04-09 .....\myMopso1.m,13346,2012-04-09

高维多目标优化问题一般指目标个数为4个 或以上时的多目标优化问题.由于种群中非支配解数量随着目标数量的增加而急剧增多,导致进化算法的进化压力严重降低,求解效率低.针对该问题,提出一种基于粒子群的高维多目标问题求解方法,在目标空间中引入一系列的参考点,根据参考点筛选出能兼顾多样性和收敛性的非支配解作为粒子的全局最优,以增大选择压力.同时,提出了基于参考点的外部档案维护策略,以保持最后所得解集的多样性.在标准测试函数DTLZ2上的仿真结果表明,所提方法在求解高维多目标问题时能够得到收敛性和分布性都较好的解集.

多目标粒子群算法的matlab源代码，并附带有ZDT1等相关检验函数。

包含25个优化相关代码 │ SVM用于分类时的参数优化，粒子群优化算法，用于优化核函数的c,g两个参数(SVM PSO).rar │ 文件树.txt │ ├─10基于MATLABCPLEX 的机组最优组合，成功求解表格化，图示化的机组组合结果 │ │ www.imdn.cn.txt │ │ 我是程序员_imdn.url │ │ │ └─电力系统机组组合优化 │ excel2017.xls │ jizuzuheyouhua.m │ 基本要求.docx │ 机组组合问题求解结果.xls │ 热备用0.05机组各时段最优出力图表.vsdx │ 热备用0.05状态下的机组组合问题求解结果.xls │ 热备用0.2下的机组最优出力.vsdx │ 热备用0.2状态下的机组组合问题求解结果.xls │ 直流潮流下的节点导纳矩阵.xls │ 节点导纳的逆矩阵.xls

针对粒子群算法求解多目标问题极易收敛到伪Pareto 前沿(等价于单目标优化问题中的局部最优解), 并且 收敛速度较慢的问题, 提出一种?? 占优的自适应多目标粒子群算法(??DMOPSO). 在??DMOPSO算法中, 每个粒子的 邻居根据粒子的运行动态地组建, 且粒子的速度不由其邻居中运行最好的粒子来调整, 而是由其所有邻居共同调整. 同时, 采用外部存档保存非劣解, 并利用?? 占优更新非劣解. 模拟结果表明了??DMOPSO算法的有效性.

使用matlab编码，分为多个.m文件编写，包括支配关系选择，全局领导者选择，删除多于的非劣解，创建栅格，标准测试函数ZDT。