配电网联络线的优化算法常用的有最短路算法、启发式算法和遗传算法，下面对其简要介绍。对配电网联络线优化的研究，不论是对“手拉手”接线还是对分段联络接线，往往以联络线的投资最小为目标函数，联络线的长度与投资成本成正比，因此通过寻找最短路径来达到目的。最短路径问题旨在寻找图中由一个结点到达另一个结点的最短路线，具体形式有以下几种：起点确定求最短路径；终点已经确定的情况下求取最短路径；起点和终点都确定的情况下求取最短路径；全局最短问题。联络线优化的最短路径算法常用的有两种：Dijkstra 算法[和 Ford 算法 。

启发式算法是一种基于经验构造的算法，能够在允许的花费下给出一个最优解或与最优解有所偏离的次优解。启发式算法在手拉手接线方式联络线优化中得到广泛应用，这种方法一般提前设置一些联络线进行接线的优先级，然后建立最小费用矩阵或集合，根据优先级选择费用最小的进行联络。

遗传算法是一种起源于进化论的算法，基于自然选择和适者生存的法则。遗传算法的操作过程包括编码、选择、交叉以及变异四个步骤，然后通过不断的循环迭代，再配以相应的适应度函数以及约束条件，使种群不断的进化，最终就可以得到最优解。在联络线优化中遗传算法得到广泛应用：应用遗传算法对单环网的联络线进行优化，目标函数为投资费用最小，在此过程中进行局部寻优来求得最优方案；文献[26]将遗传算法应用于站内与站间联络线的优化，基因为馈线树，染色体为基因的不同排序，因此一条染色体就代表一种馈线树排列顺序，对不同的染色体得到联络费用矩阵计算适应度，找到建设联络线所需费用最小的方案。

以上算法属于配电网联络线规划研究的主流，然而有许多研究者提出了许多其他的方法，从不同的角度研究配电网联络线优化问题。先应用遗传算法确定变电站的顺序，然后以联络线成本最低为目标，应用联络矩阵法进行联络线优化；将禁忌算法应用到联络线优化中，寻找联络成本最低方案；依据邻接矩阵形成路径矩阵，然后以联络线投资最小为目标，用遗传模拟退火算法求解