Il lavoro descritto in questa tesi riguarda lo studio, il progetto e l'implementazione su una
macchina ad elevato parallelismo, un multicomputer nCUBE2 con 128 nodi di elaborazione, di
algoritmi genetici. 
Il problema usato come caso di studio è il classico problema del commesso
viaggiatore (TSP), che per la sua semplicità a formale ben si presta ad essere usato come benchmark
per la valutazione di euristiche. Allo scopo di effettuare uno studio preliminare sui diversi algoritmi
genetici descritti in letteratura, sono stati dapprima implementati e valutati AG sequenziali stan-
dard. Tali implementazioni hanno anche permesso di scegliere gli operatori genetici più promettenti
ed ottimizzare il loro funzionamento per il caso di studio trattato. Sono stati quindi implementati e
valutati AG paralleli a grana fine e a grana grossa al variare di alcuni parametri. Per l'algoritmo
genetico a grana fine si è adottata una tecnica di mapping della popolazione sui processori che ha
permesso di rendere indipendente la dimensione della popolazione dal numero di nodi dell'elaboratore
usato. Nell'ultima parte del lavoro, si presenta un algoritmo ibrido che unisce le modalità di funzionamento
dei due algoritmi studiati (Simulated Annealing e Algoritmi Genetici) denominato AGSA, e che riesce ad espletare 
una migliore performance sia in termini di bontà delle soluzioni trovate che di tempo di elaborazione.
L'algoritmo AGSA inoltre presenta una buona scalabilità.