امروزه تقریباً در تمامی کاربردهای علمی و مهندسی استفاده از رایانه ها امری اجتناب ناپذیر می باشد. هرچند که درسالهای اخیر پیشرفت های سریع در فناوری ساخت رایان ها پاسخگوی بسیاری از نیازهای قدیمی بوده است، اما روند رو به رشدحجم محاسبات علمی به خصوص در کاربردهایی که نیازمند محاسبات پیچیده و یا درگیر با داده های فراوان می باشند، توان پردازش بیشتری را طلب می کند. به منظور بهبود کار خسته کننده بازسازی شبکه های ژنتیک از طریق آزمایش تجربی تعاملاتبین ژن، به یک روند برای اتخاذ روش مهندسی معکوس خودکار تبدیل می شود. برخی از الگوریتم های تکاملی برای استخراج پارامترهای شبکه پیشنهاد شده است. با این حال، برای پی بردن به شبکه های بزرگ توسط الگوریتم تکاملی، لازم است به دوموضوع مهم توجه گردد. همگرایی زودرس و هزینه محاسباتی بالا برای حل مشکل سابق و به منظور افزایش عملکرد الگوریتم هایتکاملی سنتی، استتاده از الگوریتم های تکاملی مدل های موازی بهتر است. یکی از روش های مطرح برای کاهش پیردازش که درچند سال اخیر مطرح گردیده است، رایانش ابری می باشد. سعی شده با استفاده از الگوریتم تقارن ژنی در رایانش ابری محاسباتبا سرعت بیشتر و بازده مناسب تری صورت پذیرد.