多目标应用：基于非支配排序的鲸鱼优化算法NSWOA求解微电网多目标优化调度（MATLAB代码）

一、微网系统运行优化模型

微电网优化模型介绍：

微电网多目标优化调度模型简介_IT猿手的博客-CSDN博客

二、基于非支配排序的鲸鱼优化算法NSWOA

基于非支配排序的鲸鱼优化算法NSWOA简介：

三、基于非支配排序的鲸鱼优化算法NSWOA求解微电网多目标优化调度

（1）部分代码

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]  = NSWOA(params,MultiObj);%% 画结果图ParetoFont
figure(1)
plot(Fbest(:,1),Fbest(:,2),'ro');
legend('NSWOA');
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
idxn=1;
pg=plotFigure(Xbest,Fbest,idxn);

（2）部分结果

pareto前沿：

 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

四、完整MATLAB代码