一、NSGA-II

NSGA-Ⅱ是最流行的多目标遗传算法之一，它降低了非劣排序遗传算法的复杂性，具有运行速度快，解集的收敛性好的优点，成为其他多目标优化算法性能的基准。

参考文献：Deb K , Pratap A , Agarwal S , et al. A fast and elitist multiobjective genetic algorithm: NSGA-II[J]. IEEE Transactions on Evolutionary Computation, 2002, 6(2):182-197.

二、环境经济负荷分配问题

参考文献：吴亮红. 多目标动态差分进化算法及其应用研究[D]. 湖南大学, 2013.

随着现代电力系统的发展，能源的益紧缺，电力改革不断深入，厂网分开、竞价上网已成必然。在确保机组安全运行的前提下，实时合理分配电力系统各机组间负荷，最大限度地降低发电煤耗率是市场对发电厂提出的现实要求。经济负荷分配（Economic power Dispatch，ED）问题就是在满足火力发电机组和电力系统运行约束的条件下，在各台机组间合理地分配负荷使得发电成本最小化。然而，由于火力发电过程中燃料燃烧所产生的SO2、CO2和NOx等排放引起的环境污染问题日益引起人们的关注和重视，对污染的控制和治理将直接影响到经济负荷分配问题。为了控制环境污染，可采取很多措施，如采用高质量燃料、改造旧设备、净化空气等。但这些措施将产生新的运作和维修成本，即污染控制成本。该成本的大小与污染排放量的多少直接相关。因此，在发电系统中，发电成本最小已不再是唯一要考虑的问题。如何在满足系统发电约束条件下，将发电成本和污染控制成本一起优化，即环境经济负荷分配问题(Environmental/Economic power Dispatch，EED)成为许多研究人员关注的课题。

通常，EED是在满足负荷和运行约束的条件下，同时最小化发电成本和污染控制成本。然而，电力系统无功优化直接影响到电力系统的稳定性和电能质量。毫无疑问，减小线损能够同时提高系统的有功和无功分配，有利于降低发电成本，提高系统的安全性。因此，EED问题可看作一个包含经济、环境和线损三个目标的多目标优化问题。

2.1 目标函数

2.2问题约束

2.3问题优化模型

2.4系数说明

三、数值实验

目标函数分别是：燃料成本f1、排放量f2、线损f3

四、参考代码