不是三维图，只画一个平面图，用彩色表示

(3) * 0.1; % 制冷能源输出，控制在10%~50%之间
end
% 迭代求解
for t = 1 : max_generation
% 计算适应度函数值
好的，我可以帮您处理这个问题。

假设您的数据表格中第一列是深度，其他列 for i = 1 : population_size
cost(i) = energy_system(2, 1) * solution(i, 1是时间和温度数据。您可以使用MATLAB的pcolor函数绘制平面图，其中深度作为y轴) + energy_system(2, 2) * solution(i, 2) + energy_system(2, 3) * solution(i，时间作为x轴，温度作为颜色。

以下是一个示例代码，您可以根据自己的数据, 3); % 成本
carbon(i) = energy_system(1, 1) * solution(i, 1)表格进行修改：

data = readmatrix('data.csv');  % 读取数据
time = 1:size(data, + energy_system(1, 2) * solution(i, 2) + energy_system(1, 3) * solution(i,2) - 1;  % 计算时间序列
depth = data(:,1);  % 获取深度列

% 绘 3);  % 碳排放
            fitness(i, 1) = 1 / (1 + cost(i));  % 成制平面图
pcolor(time, depth, data(:,2:end));
shading interp;  % 使用插值方法填充颜本适应度函数
            fitness(i, 2) = 1 / (1 + carbon(i));  % 碳排放适色
colormap(jet);  % 设置颜色映射
colorbar;  % 添加颜色条

% 设置坐标应度函数
        end
        % 计算帕累托最优解
        [pareto_front, pareto_rank] =轴标签和标题
xlabel('Time');
ylabel('Depth');
title('Temperature Variation');

% 调整坐标轴刻度和显示 pareto_front_and_rank(fitness);
        % 计算帕累托最优解的距离和拥挤度
        distance_and范围
xticks(1:length(time));
xticklabels(time);
xlim([1 length(time)]);
ylim([min(depth) max(depth)]);
_crowding_distance = distance_and_crowding_distance(pareto_front, fitness);
        % 计算新一代种群

在这个示例代码中，我们首先读取数据，然后计算时间序列和深度列。 new_solution = zeros(population_size, 3);
for i = 1 : population_size
% 选择父代
parent1 = tournament_select(fitness, pareto_rank);
parent2 = tournament_select(fitness, pareto_rank);
% 然后，我们使用pcolor函数绘制平面图，使用shading interp函数填充颜色，使用colormap函数设置交叉
child = crossover(parent1, parent2);
% 变异
child = mutation(child, energy_demand);
颜色映射，使用colorbar函数添加颜色条。最后，我们设置坐标轴标签和标题，并调整 % 更新新一代种群
new_solution(i, :) = child;
end
% 鲸鱼算法更新公式坐标轴刻度和显示范围。

希望这可以帮助您绘制出所需的图形！