جوامع مدرن بطور گسترده ای وابسته به انرژی الکتریکی هستند. تقاضا برای انرژی الکتریکی قابل اطمینان روز به روز رو به افزایش است و این افزایش تقاضا بهره برداری از سیستم های قدرت را پیچیده تر کرده و احتمال روی دادن خطا در شبکه را افزایش داده است. علاوه بر این، با انجام تجدید ساختار و مقررات زدایی در صنعت برق، احتمال روی دادن خاموشی های سراسری در شبکه های برق افزایش یافته است. اثرات منفی خاموشی های طولانی مدت بر جامعه, اقتصاد و خود سیستم قدرت باعث شده تا مسئله بازیابی سیستم قدرت پس از فروپاشی جزئی یا سراسری، از همان زمان ابتدای ایجاد صنعت برق ذهن مهندسین این رشته را به خود معطوف کند. به دلیل عملکرد غیرعادی شبکه پس از روی دادن خاموشی سراسری، بازیابی سیستم قدرت نیازمند برنامه ریزی دقیق است. به طور کلی فرایند حل مسئله بازیابی شامل دو بخش جداگانه تعیین اسکلت اصلی شبکه و تعیین اقدامات عملی به منظور رسیدن به این شبکه و بازیابی بقیه شبکه با استفاده از این شبکه می باشد. این پروژه کارشناسی ارشد تلاش خود را بر روی بخش اول یعنی شناسایی اسکلت اصلی شبکه متمرکز کرده است. در این پژوهش ضمن معرفی روش های مختلف بازیابی، شاخص جدیدی معرفی شده است که به کمک آن، می توان باس های شبکه های بزرگ و پیچیده را رتبه بندی نمود. با اعمال این شاخص به شبکه های برق، می توان اسکلت اصلی این شبکه ها را بمنظور استفاده در فرایند بازیابی تعیین نمود. شاخص پیشنهادی ترکیبی و قابل انعطاف است. در تعریف این شاخص تلاش شده است تا نقایص شاخص های قبلی برطرف گردد. بمنظور تحقیق کارایی شاخص پیشنهادی، از این شاخص برای تعیین اسکلت شبکه اصلاح شده 30 باس ieee استفاده شده است. اسکلت های بدست آمده از این روش در شرایط مختلف، با نتایج حاصل از روش های پیشین مقایسه شده است که تحلیل این نتایج برتری این شاخص نسبت به شاخص های قبلی را نشان می دهد. بدون شک برای حل مسئله بازیابی که دارای چند هدف، چند قید و پیچیده و غیر خطی است استفاده از الگوریتم های سنتی بهینه سازی مفید نمی باشد. لذا برای حل این مسئله بهینه سازی از روش های هوش مصنوعی به طور اخص با توجه به مزایای استفاده از الگوریتم ژنتیک در حل مسائل غیر خطی و پیچیده از این الگوریتم برای حل مسئله بهینه سازی استفاده شده است.