分布式发电技术指的是在配电网络中的不同节点上接入小型电力装置来改善电网潮流分布,降低线路中的功率损耗,改善电压质量。最佳分布式发电配置（Optimal Allocation of Distributed Generation,OADG）指的是寻找系统中分布式电源（Distributed Generation,DG）的最佳安装位置及容量大小,并以此来使电力网络达到最好的运行效果。本文将两种优化算法融合改进,提出了新的混合算法,并利用该算法很好地解决了单目标和多目标OADG问题。本文首先阐述了OADG问题的相关概念,并介绍了电力网络中必要的潮流计算流程,进而建立了以最佳DG配置为目的的配电网数学模型,其中包含了两个目标函数以及多个等式和不等式约束。基于粒子群（Particle Swarm Optimization,PSO）算法和天牛须搜索（Beetle Antennae Search,BAS）算法的仿生特性,本文将两种算法进行融合处理,并针对其本身存在的不足引入了改进因子,形成了一种新的混合算法IPSO-BAS,然后通过六种包含多峰和单峰的测试函数,来验证IPSO-BAS算法的优越性和有效性。在工程应用问题中,仅靠IPSO-BAS算法难以妥善地处理OADG问题,针对这一缺陷,本文提出了约束先行法和灵敏度因子来弥补,并形成了算法IPSO-BAS-CS。在后续处理多目标问题（Multiple Objects Problem,MOP）时,本文将IPSO-BAS算法和帕累托最优相结合,提出了新的多目标优化算法MOIPSO-BAS,并在四种具有不同特点的测试函数上与第2代非支配排序遗传算法（Non-dominated Sorting Genetic Algorithm-2,NSGA-2）进行对比分析,结果表明,MOIPSO-BAS算法所得的帕累托前端具有更好的均匀性和多样性。为了解决多目标OADG问题,本文根据多目标优化的特点提出了适用于多目标问题的约束先行法和灵敏度因子,形成了新的多目标优化算法MOIPSO-BAS-MCS。为了全面性地评估IPSO-BAS-CS算法在单目标OADG问题中的优劣性,本文将采取三个复杂度不同的配电网模型,分别是IEEE-33、IEEE-69和IEEE-119系统,并以最小有功网损和最小电压偏移指标为目标,将所得适应度值与同类文献进行横向对比,最终结果表明,IPSO-BAS-CS算法在OADG问题中拥有着更强的搜索能力。在多目标场景中,由IPSO-BAS算法演化而来的多目标优化算法MOIPSO-BAS-MCS,在相同配电网模型下从多个角度与其他多目标优化算法,如:多目标粒子群算法（Multi-objective Particle Swarm Optimization,MOPSO）、多目标差分进化算法（Multi-objective Differential Evolution,MODE）进行对比分析,最终结果表明,MOIPSO-BAS-MCS算法所得的解集有着更好的稳定性、收敛性和均匀性。