电力系统经济调度问题是电力系统中的一个重要的研究课题,针对该问题,提出一种改进粒子群优化(ODPSO)算法.改进算法在搜索前期,采用广义的反向学习策略,使算法能够快速地靠近较优的搜索区域,从而提高收敛速度;在搜索后期,借鉴差分进化算法的进化机制设计改进的变异和交叉策略,对当前种群的最优粒子进行更新,从而提高种群的多样性,进而协助算法获得全局最优解.为了验证改进粒子群优化算法的有效性,对CEC2006提出的22个基准约束测试函数进行仿真,结果表明改进算法相比其他算法在寻优精度和稳定性上更具优势.最后,将改进算法应用于考虑机组爬坡速率约束、机组禁行区域约束以及电力平衡约束的两个电力系统经济调度问题,取得了令人满意的结果.

测试函数优化算法，CEC2017测试源代码，CEC2019测试函数源代码，包含pdf

CEC2022单目标优化测试函数源码

GAPSO算法搜索最优值，里面的函数可以自己更换

CEC2008 大规模优化问题，7个测试函数，包括MATLAB 和C语言版本，另外含有论文说明

粒子群算法的测试函数：Griewank函数

用蝙蝠算法来求解多元函数极值问题的实例编程，MATLAB从0编程实现，注释详细

复现蚁群算法，解决TSP问题，注释详细

CEC2013基准测试函数集 包含cpp版本和matlab版本

文件中具体描述哪些算法适合解决单目标优化问题、多目标优化问题以及高维多目标优化问题等等。哪些基准测试函数适用于单目标、多目标、高维多目标问题等等，以及介绍了PlatEMO3.0的基本操作和使用方法。