.png){kind=icon}
返回
Exploring multi-objective optimization scheduling strategies for power dispatch robots based on an improved particle swarm optimization algorithm framework
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-026-48254-3.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在电力调度机器人调度策略的应用中，传统的粒子群优化算法在优化过程中往往陷入局部最优，导致无法获得全局最优结果。因此，本文基于改进的粒子群优化算法框架，提出了面向电力调度机器人的多目标优化调度策略。在构建电力调度机器人的多目标优化模型时，应用了粒子群优化算法，并采用自适应惯性权重调整机制以提高搜索效率，最终实现多目标调度的最优解。实验结果表明，采用改进的粒子群优化算法优化电力调度机器人的多目标调度任务，可显著降低电力系统的总运行成本约19,326.8美元，同时使月度污染物排放量保持在100吨以下，并有效降低系统网损。该方法不仅提高了电力调度效率，还促进了绿色能源的发展，为电力系统的可持续发展提供了强有力支持。
Keyword:
multi-objective optimization
power dispatch robots
improved particle swarm optimization
adaptive inertia weight
scheduling efficiency
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。