در عرصه هوش مصنوعی تکنیک هایی به طور گسترده به عنوان الگوریتم های تکاملی (eas) طبقه بندی شده اند و حدود چهار دهه است، مورد تحقیق و بررسی قرارگرفته اند. از مهم ترین تکنیک های تکاملی که به صورت وسیع مورد بررسی قرارگرفته اند الگوریتم های ژنتیک (ga) هستند. الگوریتم های ژنتیک تکنیک های جست وجویی بر پایه ی نظریه ی داروین هستند که در حل مسائل بهینه سازی دشوار مفید هستند. چندبعدی بودن مسائل بهینه سازی، منجر به ایجاد فضای جست وجوی دشوار با ویژگی هایی از جمله چندوجهی بودن، غیرمنظم بودن، فریبنده بودن و ... می شود که با وجود تمامی دشواری های مطرح شده الگوریتم ژنتیک از عهده ی چنین مسائلی نیز بر آمده است. سخت افزار تکامل پذیر و حل مسائل مرتبط با gps ها را می توان به عنوان دو کاربرد الگوریتم ژنتیک در خارج از جو نام برد. بر این اساس نیاز است که الگوریتم ژنتیک همانند سایر بخش های دیگر مدار بر روی سخت افزار پیاده سازی شود. از آنجایی که پرتوها 45% از عوامل خرابی مدارها در فضا را به خود اختصاص می دهند، بخش الگوریتم ژنتیک همانند سایر بخش های مدار در برابر خطاهای مذکور مقاوم نیست.seu ها سبب تغییر یک یا چند بیت در حافظه یا ثبات ذخیره کننده ی اطلاعات می شوند و بیش ترین اثر را (80%) در خرابی مدارها در خارج از جو دارند که توسط تکنیک های تحمل پذیر خطا قابل کنترل هستند. تکنیک های تحمل پذیر خطا به سه دسته ی نرم افزاری و سخت افزاری و یا ترکیبی از آن ها تقسیم می شوند. در این میان روش های نرم افزاری به دلیل کم هزینه بودن از اهمیت ویژه ای برخوردارند. اگر چه، روش های ترکیبی نیز مزایای قابل توجهی دارند ولی در هر صورت نیاز است که یک روش نرم افزاری خوب پیشنهاد شود. در این میان خانواده ای از الگوریتم ژنتیک با نام الگوریتم ژنتیک سلولی (cga) به دلیل مناسب بودن این ساختار در پیاده سازی روی تراشه و زمانی که سیستم دچار خطاهای حین اجرا می شود و همچنین به دلیل داشتن عملکرد بالا، سهولت در امر پیاده سازی و داشتن ساختاری فشرده و موازی، بیشتر مورد توجه پژوهشگران قرار گرفته است که هدف این پایان نامه طراحی الگوریتم ژنتیک سلولی مقاوم در برابر خطا است. در پژوهش های پیشین با استفاده از روش های کوچ جدید و ویژگی های ذاتی الگوریتم ژنتیک که عبارت بود از: اندازه و شکل همسایگی، اندازه و شکل جمعیت، عملگرهای ژنتیکی و ... به مقاوم سازی الگوریتم ژنتیک پرداخته شد که توانستند الگوریتم ژنتیک سلولی را تا 40% در برابر خطا مقاوم کنند. در این پایان نامه با استفاده از ترکیب روش های کُدگذاری و خواص ذاتی الگوریتم ژنتیک سلولی و روش های کوچ ابتکاری، به مقاوم سازی الگوریتم ژنتیک می پردازد. نتایج آزمایش ها نشان داده است که روش های پیشنهادی بسیار در برابر خطای seu مقاوم است تا جایی که اگر 100% از عنصرهای پردازشی دچار خطا شوند روش های پیشنهادی می توانند مقاومتشان را در برابر خطا نشان دهند. همچنین نتایج آزمایش ها بیانگر این موضوع است که شرایط مختلفی می تواند روی عملکرد الگوریتم ژنتیک سلولی تأثیر بگذارد که این شرایط عبارت اند از: اندازه جمعیت، ابعاد جامعه، توابع آزمون، درصد خطای اعمال شده بر عنصرهای پردازشی و ... که در این پایان نامه با در نظر گرفتن شرایط مذکور دو ساختار دوبعدی و سه بعدی هر کدام از روش های پیشنهادی، باهم مقایسه شدند.