مقدمه

با توجه به پیچیدگي در حال رشد محاسبات و وجود عوامل موثر زیاد در محاسبه نتایج, در مسائلي که راه حل بهینه را باید از بین تعداد زیادي راه حل مکان جستجو کرد عموما استفاده از روش هاي جستجوي سنتي و آزمایش تک تک راه حل ها مناسب نخواهد بود لذا در دهه هاي اخیر گرایش به سمت روشهاي مبتني بر زندگي طبیعي همچون الگوریتم هاي تکاملي، شبکه هاي عصبي، الگوریتم هاي مورچه و الگوریتم هاي ژنتیک افزایش یافته است. در این میان با توجه به انطباق الگوریتم هاي ژنتیک با ژنتیک طبیعي و وجوه

اشتراک زیاد آن با مکانیسم ژنتیکي حیات طبیعي، این ناحیه مورد توجه بیشتري قرار گرفته است.

البته، با توجه به برخي مشکلات موجود در رابطه با الگوریتم هاي ژنتیک به ویژه بحث طولاني بودن زمان اجرا و نیز نیاز به توان پردازشي بالا، تلاش شده است تا روشهایي را براي بهبود این عوامل به کار برند که یکي از این روش ها استفاده از خصوصیات پردازش موازي است که توانسته عوامل حاشیه اي کار را به خوبي کنترل کند. در این تحقیق سعي شده است تا بحث موازي سازي در الگاوریتم هاي ژنتیک به تفصیل بررسي شده و روش هاي مختلف موازي سازي آنها بیان شود.