随着Internet技术在全球范围的飞速发展,链路流量几乎每年成倍增长。在不久的未来,可以预见由于Internet技术源于不同目的的扩展,数据流量会出现一个暴涨期。这些变化促使许多研究者寻求更加有效的利用网络资源的办法。OSPF协议是目前应用最广泛的IGP协议之一,协议通过一组链路权重值来控制路由,规划网络中流量的分配,因此,对权重的优化直接影响到网络中链路负载均衡以及资源的有效利用。近年来,出现各类启发式搜索算法来求解网络中的权重规划问题,同时,在针对网络性能约束、单链路失效等等特殊情况下这类算法也能表现出很好的算法性能。然而,随着实际问题的规模和复杂程度不断提高,加之网络拓扑结构的不断复杂化和扩展化,一般的搜索算法在搜索过程中所消耗的时间会被成倍的延长,难以满足人们日益增长的需求。本文主要研究并行遗传算法求解网络的权重规划问题,通过算法的并行化减少一般串行遗传算法的时间消耗,改善算法的时间性能。在第二章中针对一般网络权重规划问题进行了研究。基于现有遗传算法处理权重规划问题的框架,提出两种改进措施：首先,将局部优化思想与遗传算法思想结合来改善算法的性能,并且改变初始种群中的全一个体以防止权重的越界赋值。其次,利用粗粒度并行遗传算法来改善传统遗传算法的时间性能。同时分析并行后增加的并行参数对算法的影响。在第三章中主要针对的是QOS约束下的权重规划问题。在文中首先介绍了三种遗传算法处理不满足约束个体的方式。并提出针对权重规划问题的修复策略,将其与惩罚策略结合来提高算法性能。最后通过在粗粒度并行遗传算法增加修复次数来改善算法性能,解决了修复次数与算法执行时间之间的矛盾。在第四章中对单链路失效的网络的权重规划问题进行了研究。为了将链路失效的因素考虑到算法中,需要将每条链路失效后的网络状态的适应值计算出来。这样使得算法在计算适应值函数时耗时巨大。针对这一具体问题,利用主从并行模型来改善算法时间性能。最后提出利用粗粒度并行模式以及主从模式相结合来改善算法的时间性能。