代码名称：基于IEEE标准30节点直流潮流的电力系统机组组合优化调度matlab-yalmip/cplex/gurobi 代码简介： 机组组合问题要求基于已知的系统数据，求解计划时间内机组决策变量的最优组合，使得系统总成本达到最小。该问题的决策变量由两类，一类是各时段机组的启停状态，为整数变量，0表示关停，1表示启动；另一类是各时段机组的出力，为连续变量。 机组组合问题属于规划问题，即要在决策变量的可行解空间里找到一组最优解，使得目标函数尽可能取得极值。对于混合整数规划，常用的方法有分支定界法，benders分解等。CPLEX提供了快速的MIP求解方法，对于数学模型已知的问题，只需要按照程序规范在MATLAB中编写程序化模型，调用CPLEX求解器，即可进行求解。 参考文献：自编文件

电力系统优化调度方向的研究生必备matlab代码！！需求响应+微电网+两阶段鲁棒优化+综合能源系统+低碳经济调度等等 下载文档即可查看代码详情！！！限时优惠！！！！

【优化调度-车间调度】基于遗传算法求解车间调度问题matlab源码2.zip

【优化调度】基于鸟群算法求解车间调度问题Matlab源码.zip

#include void main() { int k,J,p,m,s,io,t,i,u; k=1; int n[4]={3,4,3,3}; int q[5][4]={{0,0,0,0},{30,31,29,28},{34,34,35,35},{38,37,38,37},{0,40,0,0}}; int nn[4],q1[14],no[14][4],q2[14]; for(t=0;t<14;t++) for(i=0;i<4;i++)no[t][i]=0; while(k<=4){ if(k==1){ nn[k-1]=n[k-1]; J=0; do{ q1[J]=q[J][k-1]; no[J][k-1]=J; J++; }while(J<=n[k-1]);} else{ m=nn[k-2]; nn[k-1]=m+n[k-1]; J=0; while(J<=nn[k-1]){ int y=1000; int i=0; loop: if(J-i>m){i++; if(i>n[k-1]){q2[J]=y;no[J][k-1]=io;} else goto loop;} else if(i>J) {q2[J]=y;no[J][k-1]=io;} else {s=q[i][k-1]+q1[J-i]; if(sn[k-1]){q2[J]=y;no[J][k-1]=io;} else goto loop; } J++;} for(i=0;i=0){p=J; k=4; while(k>=1){no[J][k-1]=no[p][k-1]; p=p-no[p][k-1]; k--;} J--; } printf("J\\NO 1# 2# 3# 4# Q\n"); for(t=0;t<14;t++) printf("%2d %d %d %d %d %d\n",t,no[t][0],no[t][1],no[t][2],no[t][3],q2[t]); }

微电网两阶段鲁棒优化经济调度方法（完美复现）matlab-yalmip-cplex/gurobi非答疑版本/ 两阶段鲁棒优化入门到编程/ 并网型微电网光储协同优化调度/matlab-yalmip-cplex/ 含集群电动汽车的微电网多种需求侧资源经济协同调度/ 基于多目标灰狼的冷热电联拱型微电网允许优化/ 考虑用户侧柔性负荷的社区综合能源系统日前优化调度（完美复现）matlab-yalmip-cplex/gurobi代码/ 基于场景的多区域综合能源优化调度（随机优化）（完美复现）matlab-yalmip-cplex/gurobi代码/ 考虑阶梯式碳交易机制与电制氢的综合能源系统热电优化（完美复现）matlab-yalmip-cplex/gurobi代码/ 基于概率距离的场景快速削减法的风光场景生成与削减方法/

配送运输是物流系统中最重要的组成部分之一,正是通过配送运输,配送中心才得以最终完成货物从生产商到用户的转移。车辆路线问题是其中的一个重要研究课题,其优化技术是现代物流配送的一项关键技术。本文主要研究基于最短路径算法的物流配送,内容如下:第一部分介绍了物流配送的概念,结合其背景讨论了配送运输研究的方法和意义;第二部分介绍了物流配送中的车辆优化调度问题,概括了国内外物流研究发展的状况及其基本模型;第三部分首先回顾了物流配送中现有的算法,然后作者把动态规划的思想运用到车辆路径问题中,以动态规划法为理论,并做了改进用以解决物流配送最短路径问题;第四部分结合《电子商务与现代物流系统集成平台技术研究开发》项目,研究了B2C电子商务企业的实际物流配送,建立了整数规划的物流配送路径优化模型。针对这一类改进的多设施车辆路径优化模型模型,我们利用改进的混合遗传算法对模型进行了求解,得到了质量较高的解;第五部分总结了文章的主要结论并提出了今后研究工作的方向。