近些年来，基于随机化技术的人工智能算法在优化领域得到了广泛的应用。在智能优化算法应用于配电网重构的实例中，归纳起来主要包括：人工神经网络算法，模拟退火算法，禁忌搜索算法，蚁群算法，粒子群优化算法和遗传算法、差分进化算法等。
遗传算法是模拟生物进化过程的一种算法，由于其染色体编码能够很好地表示开关的状态’因此算法在配电网重构中得到了广泛的应用但是遗传算法局部收敛过早的问题仍旧普遍存在的。Ah king R.T.F(2004)提出了基于实数编码方法、模糊控制交叉率和变异率的遗传算法求解配电网络重构，提高了算法的收敛速度。
ANN算法是在现代神经科学研究的基础上提出的，通过样本训练将输入与输出的非线性关系存储在神经元的权值中是其最大特点。文献介绍了用于组合优化问题的神经网络模型，阐述了优化配电网络结构的方法，提出了用于避免陷入局部最优的强迫噪声法，结合专家系统来确定在变电所故障情况下可行的配电网络结构。Hayashi Y(1996)应用来进行在线的配电网络重构，神经网络的输入为负荷需求，输出为对应的网损最小的网络结构。
SA算法对某一特定优化问题设定正确的参数后能以很高的概率收敛于全局最优解，但它属于单点寻优，并且为了使每一冷却步的状态分布均衡，计算将很耗费时间。文选取断开开关的位置作为变量，釆用移动打开开关位置的方法作为扰动准则，应用算法求解配电网络的重构，并通过算例分析表明随着网络规模的扩大，需要足够慢的退火过程才能保证收敛于近似全局最优解。
PSO算法由和于年提出，是模拟鸟群觅食过程中的迁徙和群集行为时提出的一种基于群体智能演化的计算技术。将应用于配电网重构中，具有并行处理、鲁棒性好等特点，具有简单易实现、收敛速度快等优势，但是缺点在于全局搜索能力差，容易陷入局部最优解的邻域。文在求解以负荷均衡化为目标的配电网重构时引入变异机制，对符合判据的粒子随机产生一个新的位置，从而保证算法的行进。
该算法属于一种高效的启发式搜索算法，算法的特点在于采用禁忌表来记录到达过的局部最优点，避免在下一次搜索中继续搜索到这些点。文提出算法在提高电压安全性的配电网重构中的应用，通过实际算例的重构结果
验证了算法可以得到最优解。
釆用正反馈、分布式计算和贪契式启发式搜索等手段，能够不依赖于网络初始结构，适应性强，搜索效率高，文献对配电网络从图论拓扑结构上进行分析将配网重构问题转化为求图的生成树问题，并以破圈法为基础得到快速而有效地求解图的生成树的方法。在应用蚁群算法求解配网重构问题时通过首支路选择随机化和取消奴群算法常用的启发值的方法扩大算法搜索范围使算法可以跳出局部最优化陷讲，改善算法的搜索效果。
