高速、高性能的计算需求，使得基于网络机群下的并行计算技术己成为当前计算机科学研究的主要课题。近年来，众多学者对此进行了深入的研究，并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。由于它一般具有较大的群体规模，不仅需要对大量的个体进行大量的遗传和进化操作，而且要对大量的个体进行适应度计算或评价，导致算法的进化过程难以达到计算速度上的要求，因而遗传算法的并行计算问题就显得十分重要。本文针对现有遗传算法运行效率低、解质量低等问题，提出了一种并行混合遗传算法，并给出了用其求解背包问题的实例。主要工作有： (1)将贪心算法与解码算法相融合，设计了一种基于肥胖群体的混合遗传算法，有效提高了遗传算法的收敛速度，抑制算法局部早熟，改善了算法的优化质量； (2)用多个独立的小群体的并行进化模拟一个大群体的进化过程，达到花费小群体的运行时间却获得大群体优化结果的效果； (3)最后在一组PC机集群构成的网络环境下，基于并行虚拟机(PVM)环境，运用该并行混合算法求解背包问题，实验的数值结果证明了该算法的有效性和可行性。