随着风力发电产业的迅速崛起,风力发电机的维护工作也越来越重要。由于风电机组的结构复杂且风电场基本处于山区、沿海等环境恶劣的地区,风电机组非常容易发生故障,这就意味着需要对风力发电机组进行及时地巡检。风机巡检是在状态检测和故障诊断后进行的。风机巡检本质上是对多台风机的维修路径进行确定。维修路径的选择对风力发电机组的故障维修效率有非常重要的作用。因此更好、更快地确定维修路径具有非常重要的意义。如何在不同的条件下选择合适的维修路径十分关键,维修路径的确定问题实际上是多因素混合模型,属于无向图模型中的路径问题。维修风力发电机组时,考虑到故障点之间的距离、维修时间等影响因素,任务进行可能需要多队同时进行维修。因此,一般认为风场的维修路径问题是混合网络模型,混合网络模型包含了被动式维修路径模型和主动式维修路径模型,本文针对这两类模型的特点分别给出了解决方案。本文主要做了如下的内容:(1)针对被动式维修路径模型路径单一、规模较小的特点,提出基于多原则再处理的最大最小蚁群优化算法,解决被动式维修路径确定问题。改进的算法以非约数原则和信息素原则为前提进行路径搜索,同时使用枚举编码以提高算法的搜索广度,降低其陷入局部最优的可能性。此外,借助BAYG29、EIL51、BERLIN52、EIL76等四个数据集验证算法的性能,实验结果表明了优化后的算法能够较好地解决被动式维修路径问题。(2)本文将主动式网络模型根据路径交叉状态和同一时刻路径数量细分为多路不交叉模型、多路不定点交叉模型。同时为了解决最为复杂的情况——主动式多路不定点交叉模型问题,提出基于性别的遗传猫群扩展算法;该算法使用性别编码、半数精英原则等策略分别优化猫群算法的四个关键阶段。通过KROA100、GIL262、LIN318、PCB442四个数据集验证算法的优化效果,实验结果证明优化后的算法具备解决主动式多路不定点交叉模型的能力。