A reconfiguração de sistemas de distribuição consiste na alteração da topologia da rede através do fechamento e abertura de chaves instaladas em pontos estratégicos da rede. Isolamento de faltas, minimização de perdas de potência ativa e balanceamento de cargas entre os alimentadores estão entre os principais objetivos de uma reconfiguração. Esse problema é de difícil resolução devido ao grande número de variáveis envolvidas e das restrições impostas, como o atendimento às leis de Kirchhoff, aos limites de tensão, àradialidade e ao não isolamento de carga.O problema pode ser classificado como umproblema de programação não linear inteiro misto (PNLIM) e apresenta o fenômeno de explosão combinatória. Neste trabalho é proposta uma nova abordagem para o tratamento de infactibilidade de soluções em algoritmos evolutivos que resolvem o problema de reconfiguração de sistemas de distribuição radial de energia elétrica. Os métodos aproximados são os mais comuns quando se lida com o problema de reconfiguração de sistemas de energia elétrica. Destes, os Algoritmos Evolutivos (AE’s) são os mais aplicados e os que apresentaram as melhores soluções. Porém, quando se lida com sistemas de grande porte, há significativa instabilidade na qualidade das soluções encontradas pelo AE. Uma possível causa desta instabilidade se deve ao fato de que, quando se lida com sistemas grande porte, muitas soluções infactíveis são geradas ao longo da busca. Assim, o algoritmo leva muitas gerações para conseguir encontrar soluções factíveis e somente a partir daí, é que o processo de otimização destas realmente ocorre. Porém, mesmo após muitas iterações, não há qualquer garantia que exista ao final da busca qualquer solução factível, principalmente quando se lida com sistemas complexos. Diante desta grave limitação dos AE, propôs-se neste trabalho uma heurística de factibilização para indivíduos da população de AE’s com intuito de garantir estabilidade às soluções dadas pelo AE e também para assegurar que, ao final do processo de busca ou a cada geração deste, todas as soluções da população do AE sejam factíveis. Um Algoritmo Genético simples foi utilizado para minimização das perdas de potência ativa, enquanto que o algoritmo NSGA-II foi empregado na otimização de dois objetivos: redução do número de manobras e redução das perdas de potência ativa. Ao serem realizados experimentos computacionais em sistemas de pequeno, médio e grande porte verificou-se que o método proposto pôde encontrar menores perdas de potência média para os sistemas de pequeno e médio porte. Obteve ainda a menor perda de potência mínima em todos os cenários. Graças ao baixo esforço computacional que o método como um todo demanda, pode-se admitir ainda a sua utilização em tempo real.