چکیده: الگوریتم‌های تکاملی(Evolutionary algorithms)، الگوریتم هایی الهام گرفته از طبیعت هستند که جهت رسیدن به جواب بهینه، عمل جستجو را از چندین نقطه در فضای جواب آغاز می کنند و اغلب در مسائلی استفاده می شود که به دلیل پیچیدگی و پارامترهای بسیار مسئله، راه حل های عادی و متعارف برای آنها چاره ساز نیستند. الگوریتم های تکاملی با الهام از طبیعت و قوانین حاکم بر آن سعی می کنند راه حل بهینه مسائل سخت و دشوار را با دقت مناسب محاسبه نمایند. تاکنون الگوریتم های تکاملی مختلفی بر اساس رفتار اجتماعی جانداران، رفتار زیستی موجودات و پدیده های فیزیکی ارایه شده است. گرده-افشانی گلها یک فرآیند جالب است که تعداد زیادی از گونه های گیاهان برای تولید مثل و بقای خود از آن استفاده می نمایند و پژوهشگران از این رفتار گیاهان برای ایجاد یک الگوریتم تکاملی تحت نام گرده افشانی گلها استفاده نمودند. یافتن جوابهای بهینه یک مسئله بهینه سازی با افزایش ابعاد مسئله به کمک الگوریتم های تکاملی از جمله الگوریتم گرده افشانی گل چالش برانگیز و دشوار می باشد و این احتمال وجود دارد الگوریتم گرده افشانی گل به جای بهینه سراسری به بهینه های محلی مسئله همگرا شود که برای رفع این مشکل نیاز است اندازه جمعیت اولیه و تکرار الگوریتم گرده افشانی گل افزایش یاید و این افزایش، زمان اجرای الگوریتم را به شدت افزایش می دهد. در این پژوهش تلاش شده است تا هر کدام از اعضای جمعیت اولیه را به شکل موازی و در واحد پردازنده کارت گرافیک که دارای هسته های پردازشی به مراتب بیشتری نسبت به پردازنده اصلی می باشد، استفاده نمایم. نتایج آزمایشات و شبیه سازی ها نشان می دهد نسخه موازی الگوریتم گرده افشانی گل به کمک فناوری موازی سازی کارت گرافیک(کودا) سرعت اجرای بیشتری نسبت به الگوریتم استاندارد گرده افشانی گل دارد.