《表3 算法在不同变化程度和变化频率下独立运行30次avgc、avge和ˉμ值比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于分解的预测型动态多目标粒子群优化算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

综上，本文提出的基于分解的预测型动态多目标粒子群优化算法在求解IEEE30节电力系统时，3项指标均优于对比算法，说明本文算法在收敛性以及分布性上更优，且在解决实际动态问题上具有更强的适应能力.通过观察在不同时刻算法获得的解集分布性，当电力的实际需求量在2.721 65时有最低环境影响方案，当实际需求电量在3.641 67时有最低成本方案.因此，当发电量在2.72左右时对环境污染最低，而当发电量在3.65时有最低的发电成本.本文算法在每一次环境变化时都可以为决策者提供一个最合理的解，从而有助于做出更有效的决定.