3.2 最优保留的排序选择方法
令所有开关位均置“1”，将随机抽取的联络开关编号的个数位置“0”，生成初始种群。基于排序的选择操作，不同于传统的用序号充当个体适应度值的排序选择操作[6]，它先计算每个个体的目标函数，对所得的适应度进行由大到小排序（此处假定为最大化目标函数，若为最小化目标函数则由小到大排序），然后将前M个个体复制两份，淘汰掉后面M个个体，序号在中间的个体则复制一份。 这种方法能确保种群大小不变，且编程非常容易。大量仿真计算表明，此种改进不仅极其简单方便，而且同样有效。
3.3 适应度函数的确定
在GA中，用适应度函数来评价染色体的优劣，因而适应度函数是能反映实际问题的目标函数。在以供电可靠性最高为目标的配电网络重构问题中，目标函数是平均用电无效度（ASUI）最低，因此，本文所选的适应度函数F(X)为
F(X)=1.01FIT-ASUI
式中 FIT为初始网络目标函数值。
3.4 自适应的交叉和变异
齐次有限马尔柯夫链已严格证明了简单遗传算法（SIMPLE GA）不是全局收敛的[7]，而加入最优保留操作的遗传算法（OPTIMUM MAINTAINING GA）是全局收敛的，自适应遗传算法（ADAPTIVE GA）也是全局收敛的。本文在选择操作中使用了最优保留操作，在交叉和变异中使用了自适应的遗传算法，既肯定了全局收敛性，又减少了迭代次数，因此收敛的速度大为提高。
式中 POP为种群规模数；PC1和PM1分别为对应于群体中最小适应度值的个体交叉率和变异率；PC2和PM2分别为对应于群体中最大适应度值的个体交叉率和变异率；RANK(V)为个体X在种群中所对应的序号值；为要交叉的两个个体中序号较小者。
根据实际程序运算经验及文献[8]，操作中宜取PC1=0.9，PC2=0.6，PM1=0.1，PM2=0.01。
运用自适应遗传算法的一个实际问题是最优个体易被破坏。而本文采取最优保留法来保留最优个体，从而较好地解决了此问题。
3.5 对违反约束条件个体的处理
用GA求解约束问题时，传统的方法是使用罚函数，即在适应度函数上再加上由罚因子构成的罚函数项。但这种方法生成的新目标函数的最优解依赖于罚因子的选择，而且无论罚因子过小或过大都会给求解最优解带来困难。本文采用了一种新的在GA中广泛使用的竞争选择方法[9]，它不需要罚因子而直接比较个体优劣。即对于两个给定的个体，当两个解个体都可行时，通过比较他们的适应度值来直接判断其优劣。当两个解个体中有一个可行一个不可行时，则无条件地认为可行解个体为优；当这两个解个体都不可行时，则根据他们所对应的作为度量违反约束程度的罚函数值来判断他们的优劣，违反约束越小的个体越好，无需选择罚因子。
4 配电网络可靠性的求取
配电网络具有闭环结构、开环运行的特点。在正常运行下，形成了图论中最重要的树形结构。对此本文采用深度优先搜索（DEPTH FIRST SEARCH）算法来搜索配电网中的最小路径。对于最小路径上的元件的处理原则是：如果系统无备用电源，则当最小路径上的任一个元件发生故障时，均会引起负荷点的停运，因此参与计算的是元件停运率和停运时间；如果系统有备用电源，且主馈线上装有分段装置，则由前段元件的故障引起的后段负荷点的停运时间为开关的倒闸操作时间，最小路径上的任一元件停运均会引起负荷点的停运，参与计算的是元件停运率和停运时间。对于非最小路径上的元件的处理原则是：当分支线装有熔断器时，分支线上的元件发生故障时不会影响其它支路；当主馈线上装有隔离开关或分段断路器时，后段元件的检修不会引起前段负荷点的停运；对于其它一些对负荷点可靠性指标有影响的元件，将其影响折算到相应的最小路径的节点上。