بهینه سازی یک سیکل نیروگاه بخار  در EES با الگوریتم چند هدفه ازدحام ذرات (MOPSO) در متلب:

دو برنامه پرکاربرد در محاسبات مهندسی برنامه متلب و EES می باشد که در متلب توابع و ماژول های مختلفی مانند بهینه سازی برای کاربردهای مختلف توسعه داده شده است. همچنین در برنامه EES با استفاده از توابع و کتابخانه های مختلف آن می توان خواص مواد مختلف را تخمین زد و معادلات مختلفی را حل نمود. گاهی اوقات در انجام برخی از پروژه ها و کاربردها نیاز می باشد تا با ترکیب هر دو برنامه و اتصال آن ها از قابلیت های هر دو برنامه استفاده نمود.

در این کد با استفاده از قابلیت DDE و لینک دینامیک دو برنامه حلگر معادلات مهندسی و متلب با یکدیگر لینک شده و سپس توسط کد MOPSO بهینه سازی شده است. کلمه PSO به معنی Particle Swarm Optimization یا بهینه‌سازی ازدحام یا توده ذرات است. توده ذرات در طبیعت بیانگر هوش جمعی است. الگوریتم ازدحام ذرات PSO  شبیه بسیاری دیگر از الگوریتم های تکاملی همچون الگوریتم ژنتیک است اما برخلاف الگوریتم ژنتیک هیچ عملگر تکاملی همانند جهش ده ندارد. الگوریتم PSO از تعداد مشخصی از ذرات تشکیل می شود که یک حافظه به ذخیره بهترین موقعیت هر ذره در گذشته و یک حافظه به ذخیره بهترین موقعیت پیش آمده در میان همه ذرات، اختصاص می یابد. با تجربه حاصل از این حافظه ها, ذرات تصمیم می گیرند که در نوبت بعدی، چگونه حرکت کنند.

الگوریتم توده ذرات موجود یک الگورتیم چند هدفه (Multi Objective) می باشد که می توان از آن برای بهینه سازی چند تابع هدف مختلف استفاده نمود. برای این منظور یک نیروگاه بخار با چندین پیش گرم کن و ری هیتر در نرم افزار EES کدنویسی شده است و سپس فشار ری هیتر و فشار دی اریتور به عنوان دو متغیر مستقل در نظر گرفته شده است تا برای بهینه سازی توان و راندمان با استفاده از الگوریتم چند هدفه توده ذرات (MOPSO) در متلب از آن استفاده شود.  کد متلب و ساختار آن به نحوی توسعه داده شده است که نه تنها برای بهینه سازی مسائل EES بلکه برای بهینه سازی کلیه مسائل بتوان با تغییرات کوچکی از آن استفاده نمود.

نسخه EES مورد استفاده باید نسخه ۱۰ حرفه ای باشد

نسخه متلب مورد استفاده برای بهینه سازی ۲۰۱۶b می باشد. ممکن است در نسخه های دیگر با خطاهایی همراه باشد.