一、微网系统运行优化模型
参考文献：
[1]李兴莘,张靖,何宇,等.基于改进粒子群算法的微电网多目标优化调度[J].电力科学与工程, 2021, 37(3):7
二、多目标人工蜂鸟算法MOAHA
多目标人工蜂鸟算法（multi-objective artificial hummingbird algorithm，MOAHA）是2022年提出的一种高效的多目标优化算法，其采用基于拥挤距离的动态消除法（ dynamic elimination-based crowding distance ，DECD）维护外部存档。
MOAHA算法描述如下：
参考文献：
[1]Weiguo Zhao, Zhenxing Zhang, Seyedali Mirjalili, Liying Wang, Nima Khodadadi, Seyed Mohammad Mirjalili.An effective multi-objective artificial hummingbird algorithm with dynamic elimination-based crowding distance for solving engineering design problems,Computer Methods in Applied Mechanics and Engineering, 398,2022,
三、求解结果
（1）部分代码
close all;
clear ;
clc;
global P_load; %电负荷
global WT;%风电
global PV;%光伏
%%
TestProblem=1;
MultiObj = GetFunInfo(TestProblem);
MultiObjFnc=MultiObj.name;%问题名
% Parameters
params.Np =100; % 种群大小(可以修改)
params.Nr =200 ; % （外部存档的大小）
params.maxgen =100; % 最大迭代次数(可以修改)
[Xbest,Fbest] = MOAHA(params,MultiObj);
% Xbest是MOAHA所求得到的POX
% Fbest是MOAHA所求得到的POF%% 画结果图
figure(1)
plot(Fbest(:,1),Fbest(:,2),'ro');
legend('MOAHA');
xlabel('运行成本')
ylabel('环境保护成本')
（2）部分结果
运行成本最低情况下：
