目前,许多黑启动路径优化的研究都针对各类智能优化方法自身的不足进行了有效改进，但是这些改进主要集中在种群的淘汰策略上，鲜有研究会去考虑初始种群的选择对黑启动路径智能寻优结果的影响，例如文献[41]采用在遗传迭代中加入Dijkstra算法和Prim算法的方式对传统算法加以改进，文献[42]是在遗传算子中加入快速支配排序算子、个体拥挤距离算子以及精英策略选择算子改善了传统遗传算法的收敛性能等等。然而在智能算法中，初始种群中的个体需要具有一定的代表性和多样性，否则将导致算法结果无法收敛或者因为过早收敛而陷入局部最优[43]，从而算法也无法完成对电力系统黑启动路径的寻优。所以初始种群作为直接影响智能算法寻优结果的因素之一，对其现有的随机生成方法进行改进是非常重要的。

为了充分分析初始种群对黑启动路径优化智能算法结果的影响以及验证本文所提初始化策略的可行性和有效性，本文均以遗传算法为例进行理论分析与仿真。