随着社会不断地进步与发展，人们正遇到很多亟待解决的复杂实际应用问题，有不少问题都是需要在庞大的搜索空间中寻找最优解或准最优解，若不能利用问题的固有知识来缩小搜索空间则会产生搜索爆炸的现象。因此，研究能在搜索过程中自动获取和积累有关搜索空间的知识，并自适应地控制搜索过程，从而得到最优解的通用搜索算法一直是令人瞩目的课题，演化算法就是这种特别有效的算法，它是自然遗传学和计算机科学相互结合渗透所产生的新的计算方法，其主要特点是简单、通用、鲁棒性强。　　 演化算法是优化工程系统目标的一种常用计算方法。在求解科学和工程问题时，尽管问题的约束条件、所处的内外部环境条件在不断地改变，但是演化计算方法的原理决定了它可以自行随机应变，问题函数的不同性质类别:连续性、非连续性;整数性、非整数性;可微性、不可微性等都不会限制其搜索过程，因而给科学及工程问题的求解工作带去了突破性飞跃。目前，演化计算已经广泛应用于工程优化领域，包括演化芯片、过程控制器、机器学习等，而且渐渐应用到更多领域中去，尤其是航天领域，航天领域的演化计算应用已成为美国宇航界关注的焦点之一。　　 对于上述这些复杂的工程问题，找最优解的过程时常需要耗费大量的计算开销。就如本演化硬件项目组正在研究的演化天线一样，每优化出一根满足天线性能要求的天线都需要反复调用耗时的NEC电磁仿真软件对天线个体进行评估。由于计算量非常大，普通的计算机独立完成一次演化优化过程需要几天，高性能计算机又价格昂贵;对于更复杂的问题，可能会遇到评估一个个体需要若干小时的情况，演化得到最优结果至少耗费一个月的时间，倘若演化结果不理想，则要修改有关参数或算子重复上述漫长过程。针对这种评估计算占用绝大部分优化时间的昂贵优化问题，采用一般的评估方式势必会影响工程进度，为此，采用并行计算技术，建立并行计算机系统成为研究工作的首要选择。　　 并行演化具有很广泛的研究前景，由于演化计算的并行处理平台可以是大规模并行计算机系统也可以是松散耦合的分布式处理系统，因此，近几年来，对并行和分布式演化计算的研究也越来越受到重视。目前已有几种较为成功的并行化或分布式模型，迁移模型（即粗粒度并行模型，分为岛屿模型和踏脚石模型）、扩散模型（细粒度并行模型）、主从式并行模型、混合并行模型。通过多个种群的演化、适当地控制种群的相互作用，将种群个体评估操作从演化过程中抽取出来，利用局域网中所有可利用的核资源进行并行评估，不但可以提高解的质量，更能加快求解速度。　　 本毕业设计的双重混合并行就是借助粗粒度并行模型完成上层多种群演化并行工作，实现种群迁移，保持种群多样性;利用主从式并行模型完成下层复杂耗时的个体评估工作。本文第1章绪论，在此章中简要描述了双重并行研究课题的来源、研究目的和意义，以及国内外有关昂贵计算、并行模型的研究现状和发展趋势。第2章介绍了串行演化算法包括演化算法来源、演化算法与其他优化方法相比较的优势、算法框架和一系列关键遗传操作;并行演化算法包括并行加速比、常见的比较成功的并行模型，以及各个模型的适用场合。第3章介绍了本项目双重并行演化软件中并行部分的实现工具Windows通讯接口WCF(WindowsCommunicationFoundation)，重点描述它的构成和使用它进行并行开发的理由。第4章详细地阐述了演化天线双重并行的研究与实现，介绍了与演化天线相关的背景知识，给出了平台模型、平台流程图、平台演化的大体步骤、平台远程控制模块的需求分析与设计、平台服务架构设计，最后展示了平台软件的具体操作。第5章是基于上述设计实现后的分布式并行软件，进行的一系列有关并行性能的相关实验和实验结果分析。第6章是对论文主要工作总结，同时对将来要开展的研究工作做出了一些展望。