随着Internet中多媒体实时业务的广泛应用，人们对QoS(Quality ofService)组播的需求日益增长，然而研究表明，QoS组播路由带有多个QoS约束参数，它是一个NP(Non-deterministic Polynomial)完全问题，对于此类问题传统的组播协议和算法已经不再适用。而随着启发式算法的兴起，使用遗传算法求解QoS组播路由问题成为研究中的热点。　　 使用遗传算法求解QoS组播路由问题的基本思想是在一个大的空间范围内搜索和产生较优个体，这就产生了巨大时间复杂度和空间复杂度，算法的收敛速度也受到较大影响。本文针对遗传算法的这两个缺陷，使用以下两种方式解决：一是提高算法搜索空间的能力；二是用并行化来加快遗传算法的求解。　　 首先，针对遗传算法初始化种群中染色体多样性不足的缺点，给出了一种改进的生成树算法来初始化种群，该方法扩展了生成树算法的延伸方向，使得更多的路径被搜索到；并且针对算法交叉率变异率不具有适应性的缺点，给出了一种改进适应公式，它可以根据迭代次数和适应度值的变化而改变。实验证明，改进算法比基本遗传算法空间搜索能力更好，用以解决QoS组播问题得到的解更优，速度更快。　　 其次，针对传统并行遗传算法通信时间较长的问题，给出一种改进并行遗传算法模型。在该模型中，主处理器只需要向各个从处理器传递网络拓扑结构图和算法终止信息，并接收从处理器发送的较优解，因此主、从处理器通信的频率较低，这样可以有效的减少算法单次迭代的通信时间，从而确保算法的收敛性，加速了最优解的产生。　　 最后，为改进模型的并行遗传算法设计了一种以集群路由器结构作为算法载体的初步应用场景，为并行遗传算法的应用给出了一个新的思路。还设计实现了组播路由算法对比演示系统，解决了上述研究的可操作性和可观测性，演示结果表明上述研究具有可行性。