对计算速度、系统可靠性和成本实效性的要求必将促使发展新的计算机模型来代替传统的冯·诺依曼结构的计算机。随着网络技术的飞速发展，分布式并行计算成为可能。从而，对于适合于并行计算的算法研究就一度成为前沿研究的热点。 本文就是在基于MPI的分布式环境中，对演化算法的并行性开展研究工作。主要内容包括以下几个方面：一是研究遗传算法的并行性，试验表明并行化能减小该算法的时间复杂度；二是研究模拟退火算法的并行性，本文采用异步并行策略来加大算法的灵活性，这样能够更好的发挥各处理器的处理能力；三是在基于遗传算法和模拟退火算法的混合策略基础上，针对模拟退火遗传算法存在的不足，结合并行进化思想，提出基于MPI的并行模拟退火遗传算法，分析了该并行算法的任务分配，通信开销，并通过测试函数进行仿真试验，试验表明该并行算法提高了算法的运行速度和收敛质量，更容易找到全局最优解，具有可扩展性，可以较好线性加速比；四是提出了并行的基于小生境的混合模拟退火遗传算法，并对该算法的特点和优化性能作了定性分析，该并行算法调用了MPI并行库，采用Master-Slaver结构，融入了小生境淘汰技术，并应用该算法优化了典型的多峰值测试函数—Shubert函数，试验结果表明这种并行后的算法提高了原小生境混合遗传退火算法进化速度，增强了全局寻优能力。