В связи с развитием возможностей вычислительных средств, появлением многоядерных процессоров использование параллельных вычислений позволяет сократить время решения оптимизационных задач. В настоящее время интерес представляют методы параллельных вычислений для генетических алгоритмов, применяющих модель эволюционного развития, в которой главная составляющая – популяция особей (множество альтернативных решений задачи). При этом за счет параллельного развития нескольких популяций повышается эффективность работы алгоритма. Представлен обзор основных стратегий распараллеливания и наиболее интересные модели их реализации. Приводятся теоретические положения о модернизациях существующих механизмов распараллеливания для генетических алгоритмов. Разработана модифицированная модель параллельного генетического алгоритма. В связи с тем, что генетические алгоритмы применяются для решения оптимизационных задач, исследования предложенной модели проводились на задаче оптимизации многокритериальной функции. При этом изучалась возможность алгоритма выходить из локальных оптимумов и влияние параметров алгоритма на динамику поиска глобального экстремума. Это позволило сделать вывод об эффективности использования динамических связей процессов по сравнению со статическими связями. Необходимы новые механизмы реализации и анализа эффективности динамических связей для распределенных вычислений в генетических алгоритмах.
