进化计算是计算智能领域的一个研究热点，已成功应用到机器学习、过程控制、经济预测、工程优化等方面。随着问题规模的不断扩大，面对复杂程度越来越高的搜索空间，进化计算在优化效率(时间)和求解质量上都显得“力不从心”。 为解决大规模复杂优化问题，本文就并行进化计算的并行化原理和应用平台进行分析，提出了基于Internet环境的并行进化计算(Internet-based ParallelEvolutionary Computation，简称IPEC)。论文以遗传算法为例，详细分析了不同应用平台下并行遗传算法的实现特点，着重探讨了基于Internet的并行遗传算法(Internet-based Parallel Genetic Algorithm，简称IPGA)实现中的关键问题，并给出具体程序实现。为提高算法的性能，作者对遗传算法进行三种改进：首先，为克服遗传算法早熟收敛，作者提出一种新的二元浮点补码变异算子；其次，模拟生物自然进化模式，为并行遗传算法提出了一个新的并行拓扑结构----无定向拓扑连接；最后，作者提出一种区间分解优化思想，来提高对最优解的搜索能力。论文的最后，作者将IPGA应用于网络优化设计。实验表明，IPGA能显著节约寻优时间，大大提高寻优质量，为解决巨量优化问题提供一个可行的解决方法。