基于网络计算的并行计算技术已成为当前计算机科学研究的主要课题，它受到了研究人员的高度重视。利用现有的计算资源实现可用并行计算系统的研究已经取得了令人瞩目的进展。遗传算法是一种高效智能搜索方法，并行遗传算法是遗传算法研究中的一个重要方向。利用基于网络环境下的集群计算机，并行遗传算法能够提供各种大型计算问题的解决方案。本文系统地综述了各种并行遗传算法的构成原理，介绍了其典型应用，并指出了需进一步研究的课题。最后介绍了作者开发的一种混合分布式并行遗传算法，以及用其求解组合优化问题的实例。 本文在第一章中主要介绍了并行计算的内容和意义，还介绍了大规模并行计算解决复杂问题的成功案例。 第二章介绍了并行计算的基本理论和定义。 遗传算法和并行遗传算法主要在第三章中介绍，并讨论了影响并行遗传算法性能的各种因素。 第四章主要提出了一种混合分布式并行遗传算法，应用于求解货郎担(TSP)问题。这种混合算法主要由动态种群并行模型和20pt算法组成。程序由C编制，运行环境是并行虚拟机(PVM)。在这种混合并行遗传算法中，20pt算法取代变异操作，它逆转TSP个体的基因片段，改善TSP个体的旅行距离。动态种群模型是一种由全局并行模型和粗粒度并行模型结合而成的并行遗传算法模型，但它并没有迁移操作，因为在进化过程中种群仅仅被当作是个体的集合。它的主要思想是通过动态分离种群为子群从而减少最差个体的等待时间，使得子群的演化不被拖延。在处理速度方面，它提供更高的效能，此外动态种群模型还具有完全的可扩展性。最后在一组PC机集群构成的网络环境下运用该混合算法求解TSP问题，实验的数值结果证明了该算法的有效性和可行性。