# 【微电网优化】基于改进麻雀搜索算法的孤岛微电网优化调度附matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

## ⛄ 部分代码

%_________________________________________________________________________%

% 麻雀优化算法             %

%_________________________________________________________________________%

function [Best_pos,Best_score]=SSA(fobj,dim,lb,ub,Max_iter,pop)

ST = 0.6;%预警值

PD = 0.7;%发现者的比列，剩下的是加入者

SD = 0.2;%意识到有危险麻雀的比重

PDNumber = round(pop*PD); %发现者数量

SDNumber = round(SD*pop);%意识到有危险麻雀数量

if(max(size(ub)) == 1)

ub = ub.*ones(1,dim);

lb = lb.*ones(1,dim);

end

%种群初始化

X0=initialization(pop,dim,ub,lb);

X = X0;

%计算初始适应度值

fitness = zeros(1,pop);

for i = 1:pop

fitness(i) =  fobj(X(i,:));

end

[fitness, index]= sort(fitness);%排序

BestF = fitness(1);

WorstF = fitness(end);

GBestF = fitness(1);%全局最优适应度值

for i = 1:pop

X(i,:) = X0(index(i),:);

end

curve=zeros(1,Max_iter);

GBestX = X(1,:);%全局最优位置

X_new = X;

for i = 1: Max_iter

BestF = fitness(1);

WorstF = fitness(end);

R2 = rand(1);

for j = 1:PDNumber

if(R2<ST)

X_new(j,:) = X(j,:).*exp(-j./(rand()*Max_iter));

else

X_new(j,:) = X(j,:) + randn().*ones(1,dim);

end

end

for j = PDNumber+1:pop

%        if(j>(pop/2))

if(j>(pop - PDNumber)/2 + PDNumber)

X_new(j,:)= randn(1,dim).*exp((X(end,:) - X(j,:))/j^2);

else

%产生-1，1的随机数

A = ones(1,dim);

for a = 1:dim

if(rand()>0.5)

A(a) = -1;

end

end

AA = A'*inv(A*A');

X_new(j,:)= X(1,:) + abs(X(j,:) - X(1,:)).*AA';

end

end

Temp = randperm(pop);

SDchooseIndex = Temp(1:SDNumber);

for j = 1:SDNumber

if(fitness(SDchooseIndex(j))>BestF)

X_new(SDchooseIndex(j),:) = X(1,:) + randn().*abs(X(SDchooseIndex(j),:) - X(1,:));

elseif(fitness(SDchooseIndex(j))== BestF)

K = 2*rand() -1;

X_new(SDchooseIndex(j),:) = X(SDchooseIndex(j),:) + K.*(abs( X(SDchooseIndex(j),:) - X(end,:))./(fitness(SDchooseIndex(j)) - fitness(end) + 10^-8));

end

end

%边界控制

for j = 1:pop

for a = 1: dim

if(X_new(j,a)>ub)

X_new(j,a) =ub(a);

end

if(X_new(j,a)<lb)

X_new(j,a) =lb(a);

end

end

end

%更新位置

for j=1:pop

fitness_new(j) = fobj(X_new(j,:));

end

for j = 1:pop

if(fitness_new(j) < GBestF)

GBestF = fitness_new(j);

GBestX = X_new(j,:);

end

end

X = X_new;

fitness = fitness_new;

%排序更新

[fitness, index]= sort(fitness);%排序

BestF = fitness(1);

WorstF = fitness(end);

for j = 1:pop

X(j,:) = X(index(j),:);

end

curve(i) = GBestF;

end

Best_pos =GBestX;

Best_score = curve(end);

end

## ⛄ 参考文献

[1] 宋扬, 石勇, 刘宝泉,等. 基于反向变异麻雀搜索算法的微电网优化调度[J]. 江苏电机工程, 2022(002):041.

[2] 高杰. 基于粒子群算法的微电网经济调度优化.

[3] 程宇旭. 基于改进粒子群算法的微电网能量优化调度研究及实现[D]. 中南大学, 2014.

[4] 王丽明. 基于粒子群算法的孤岛微电网优化调度研究[J]. 电工技术, 2020(4):3.

## ⛳️ 代码获取关注我

##### ❤️ 关注我领取海量matlab电子书和数学建模资料

|
21小时前
|

5 1
|
1天前
|

markdown 探索MATLAB2022a中WOA与DSN弱栅栏覆盖的创新融合，模拟鲸鱼捕食策略解决传感器部署问题。算法结合“搜索”、“包围”、“泡沫网”策略，优化节点位置以最大化复杂环境下的区域覆盖。目标函数涉及能量效率、网络寿命、激活节点数、通信质量及覆盖率。覆盖评估基于覆盖半径比例，旨在最小化未覆盖区域。 
14 2
|
2天前
|

**摘要：** K-means聚类算法分析，利用MATLAB2022a进行实现。算法基于最小化误差平方和，优点在于简单快速，适合大数据集，但易受初始值影响。文中探讨了该依赖性并通过实验展示了随机初始值对结果的敏感性。针对传统算法的局限，提出改进版解决孤点影响和K值选择问题。代码中遍历不同K值，计算距离代价，寻找最优聚类数。最终应用改进后的K-means进行聚类分析。
23 10
|
4天前
|

16 7
|
4天前
|

【7月更文挑战第13天】本文旨在探讨和比较不同的操作系统调度算法，并分析其对系统性能的影响。文章首先概述了调度算法的基本概念及其重要性，随后详细阐述了常见的调度算法类型，包括先来先服务、短作业优先、优先级调度、时间片轮转以及多级反馈队列等。通过对比不同算法的优缺点，文章进一步探讨了现代操作系统中调度算法的应用与挑战，以及如何根据实际需求选择合适的调度策略。最后，文章展望了操作系统调度算法的未来发展方向，特别是在云计算和物联网时代下的适应性与创新。
12 1
|
4天前
|

9 0
|
2月前
|

41 0
|
2月前
|

104 1
|
2月前

94 1
|
2月前
|

56 0