الگوریتم های تکاملی یکی از پرکاربردترین الگوریتم ها در هوش مصنوعی و مسائل بهینه سازی هستند. به دلیل ماهیت ذاتی موازی این الگوریتم ها و همچنین جهت دستیابی به تسریع بیشتر، محققان توجه فراوانی به موازی سازی این الگوریتم ها برای استفاده از سیستم ها و هسته های بیشتر در دهه های اخیر نموده اند. در این راستا ابزارهای فراوانی برای موازی سازی این الگوریتم ها ارائه شده است که هر یک با نقاط قوت و ضعف، نیازهای محققان را تا حدودی برآورده نموده اند. از طرفی اغلب این ابزارها توانایی اجرای تمامی روش های موازی سازی الگوریتم های تکاملی را ندارند و از طرفی دیگر بسیاری از آن ها به سکوهای نرم افزاری و سخت افزاری خاصی وابسته اند. به همین دلیل در این نوشتار ابتدا ابزاری جدید با قابلیت های جدید به نام boinc برای موازی سازی الگوریتم های تکاملی معرفی می گردد و سپس روش پیشنهادی روی آن پیاده سازی می شود. boinc یک سکوی مستقل از سکوی نرم افزاری و سخت افزار برای اجرای محاسبات داوطلبانه است. در این پایان نامه از مزایای این سکو برای پیاده سازی الگوریتم های تکاملی استفاده شده است. این روش تلاش می کند ابزاری ارائه دهد که بتوان با آن انواع روش های موازی سازی الگوریتم های تکاملی مختلف را روی آن اجرا نمود. سپس در ادامه، این ابزار از سه جنبه مورد بررسی و آزمایش قرار می گیرد. ابتدا امکانات و مزایای روش پیشنهادی با دیگر روش های موجود مقایسه می شود. سپس به وسیله ی شبیه سازی، الگوریتم های تکاملی مورد نظر ارزیابی می شوند. سرانجام این روش به منظور انتخاب ویژگی ها در دسته بندی الگو مورد استفاده قرار می گیرد.