在选择停电系统黑启动恢复路径时，一种有效的方法是在指定黑启动电源、被启动电源、确定好初始设置之后，为电力系统网络中的每条线路赋予恢复权值，生成在网络拓扑结构上最优的黑启动恢复路径，然后再进行各种技术校验，以确定在拓扑关系和技术上同样可行的路径[28~31]。 但随着电力系统网络规模的增大，传统的枚举法和启发式方法由于计算量过大、运行速度与效率问题已不适合求解停电系统黑启动恢复路径选择的问题。随着智能算法的广泛应用，国内外专家学者开始尝试运用智能算法解决黑启动恢复路径选择的优化问题，并获得了许多阶段性的成功。82937

文献[32]结合交叉粒子群算法(PSO)与最短路径法搜索最优的黑启动路径，并在此基础上确定系统的恢复网架。文献[33]采用蚁群算法(ACA)搜索黑启动恢复路径，但没有考虑送电线路的恢复先后顺序，只考虑了黑启动初期的网架重构的总体构成问题。文献[34]基于Dijstra算法，将恢复过程划分为连续的黑启动恢复时步，分步将路径寻优问题转化为多目标、复时步的背包问题，最后对每时步的Pareto最优方案排序。文献[35]提出了一种按照负荷等级排序实现失电负荷最少的黑启动方案，按照负荷的均衡来选择最优的黑启动恢复策略。文献[36]在设计了一种基于多目标优化模型的机组恢复偏好的恢复方案，方案综合考虑了发电机恢复顺序、恢复路径以及优化目标的重要性差异。文献[37]基于时间Petri网选择恢复路径，该算法应用于大规模的电网的计算量过大，所以仅可用于小规模的网络，适用范围较小。文献[38]采用组合目标节点寻优的思想，利用智能遗传算法(GA)来解决恢复路径如何选择的问题。文献[39]将介数指标引入到加权复杂网络模型中，利用模拟退火算法(SA)，通过评价网络枢纽性对黑启动恢复路径进行优化。文献[40]将停电系统电能恢复划分为“并行”与“串行”两个送电阶段，采用prim算法与belman-ford算法来搜索恢复路径，但只考虑了恢复路径的局部最佳，而并没有从电网全网的角度考虑恢复路径。文献[41]设计了一种基于目标规划的黑启动路径寻优方法，将黑启动机组出力恢复程度和网架重构时间作为评价因素评价重构效果。文献[40]设计了一种以线路充电电流为适应度函数，结合电力系统网络拓扑结构搜索启动机组到目标节点最短路径的方法。论文网

智能算法由于理论部分相对薄弱，一般来说不能保证能够得到某一精确结果或者满足某一精确条件，也即收敛到最优解，故基于智能算法在黑启动恢复路径的优化过程中生成的恢复路径存在大量的无效方案。所以对智能算法生成方案的有效性进行快速判断，是智能算法的必要环节，同时也是进一步二次优化生成方案的基础，有利于提高智能算法的算法计算效率以及寻优效果。