随着舰船电力系统规模的不断扩大,其地位在舰船上越来越举足轻重,保证舰船电网安全稳定地运行变得越来越重要。舰船需要一个强大的配电网络管理系统来处理不同工况的不同需求以及一些突发事件引起的电网负载变化,而故障后的电网重构问题是该系统的一个重要任务。根据舰船在不同运行工况下的不同要求来选择重构问题的优化目标和约束条件,本质上可将其归结为一个单／多目标、含约束的离散变量优化组合问题,因此可以借助优化理论加以解决。粒子群算法是一种新兴的智能优化算法,该方法以其概念简单、实现容易的特点被广泛应用,迅速发展。本文针对舰船电网故障重构问题,从种群拓扑角度入手,采用改进高斯动态粒子群算法进行研究。主要研究内容如下：分析了舰船综合电网的特点与主要运行工况。以某20节点实际舰船电网为参考建立仿真算例,对舰船电网的拓扑结构及连通性进行了研究,在此基础上,建立了舰船电网故障重构优化问题的数学模型,并给出了一般性的研究步骤。该内容是后续研究工作的基础与出发点。提出了一种基于静态拓扑高斯动态粒子群(Gaussian dynamic particle swarm optimization, GDPSO)算法的舰船电网故障后重构单目标优化方法。首先,结合图论理论从不同方面分析了不同的静态拓扑结构对高斯动态粒子群算法性能的影响,选用了几组参数(平均度、度分布的标准偏差等等)对算法性能进行评估,从不同方面进行对比来考察拓扑结构对算法的全局和局部搜索能力、搜索成功率、适应度值的数值稳定性等各方面的影响；其次,在此研究基础上构造一种rand-5的静态拓扑结构作为GDPSO算法的种群拓扑结构,并将其应用于舰船电网故障后以供电负荷最大为目标函数的重构问题中。采用多个典型测试函数与某舰船电网实例,并与几种经典的静态拓扑结构进行对比仿真测试,结果验证了该方法的有效性。提出了一种基于动态可变拓扑结构的GDPSO算法,用于不同工况下舰船电网故障重构多目标问题的求解。该算法以几种具有不同搜索能力的静态拓扑结构为基础,通过对比当前种群熵与适应度值的情况来动态调整种群进化过程中的拓扑结构,以保持种群的多样性。搜索过程前期采用环形拓扑结构来保证算法具有较强的全局搜索能力,中期构造不同的平均度值为5的拓扑结构保持算法良好的搜索势头,后期采用全互连拓扑结构在局部进行精细搜索。选取两种不同工况下同一故障的仿真实例进行故障后重构仿真测试,以负荷供电量最大和开关操作次数最少为重构目标,并与其他不同算法进行比较,证实了该方法能够较好完成舰船电网故障重构多目标优化问题的求解。提出了一种基于改进无尺度网络GDPSO算法的舰船电网多目标故障重构方法。该方法采用改进的BA模型随机地逐渐增加种群拓扑规模,使种群具有无尺度特性。整个种群由rand-5拓扑结构与无尺度网络拓扑结构的两个子种群组成。rand-5拓扑结构子种群有好的搜索准确性,并能兼顾全局和局部搜索能力；而具有无尺度特性的种群能够实时增加种群的多样性,提高种群跳出局部极值的能力。以扩充为60节点的舰船电网模型为例进行故障后重构的仿真算例测试,以负荷供电量最大和开关操作次数最少为重构目标,并与其他不同算法进行比较,证明了该方法对高维度优化问题的有效性。舰船电网故障重构方法影响重构策略执行的快速性和准确性。本文的研究表明,种群拓扑结构对基于GDPSO算法的舰船电网故障重构方法具有较大影响。根据不同的重构目标选择合适的种群拓扑结构能够满足不同的舰船电网故障重构的要求。