Step 4. 按适应度值从优到劣的顺序进行排列，保存父代中最优个体；对于较优个体，在其参数的邻域δ内随机生成邻域种群G₁，规模为SNP，若存在更优的个体，则直接替代原始个体；对于较差个体，随机生成新的更优个体。

Step 5. 进行变异操作。只有当变异后的个体优于原个体时，才可进行替代操作。

Step 6. 利用网络解算工具计算每代种群中最优个体在当前风量分配下的调节情况，若网络解算结果优于当前最优个体，则代替当前最优个体。反之则进入下一步。算法的终止条件为最优和较优个体的适应度(记为 $f_{G_i}$ )达到精度ε，即 $\left|\left(f_{G_{i-1}}-f_{G_i}\right)\right|/\left|f_{G_i}\right|<\epsilon$ ， $i=1,\cdots ,\left[NP\left(1-SP\right)\right]$ ，或者算法达到设置的最大迭代次数Max_iteration。