随着大数据到来,新产生的数据量呈指数增长,人们面临的优化问题的规模也随之增长,通常用于解决此类问题的演化计算方法在大规模的数据下无法令人满意。而分布式计算和云平台在传统的开发模式下,需要对于每一个优化问题开发针对性的计算应用,浪费了大量资源。后来出现的分布式启发算法平台通常有部署复杂、并行化程度不高、扩展困难、用户和开发者界面不友好、算法和问题支持不多等不足之处。本文旨在克服上述计算平台的不足之处,为演化计算提供一个部署便捷、扩展灵活、界面友好、覆盖广泛的分布式计算平台,探索了演化算法的分布式应用可行性,对平台进行了架构和功能需求分析,基于这些需求进行了技术选型并设计了整个平台的架构。本文利用容器技术和微服务架构对平台功能进行了划分,设计并实现了资源管理微服务、任务控制微服务、RESTful风格的用户接口。本文结合典型的分布式演化计算模型设计并实现了算法库,并定义了问题库的开发规范,为开发者提供了便捷的方式进行算法和问题扩充。详细介绍了演化计算平台的整个架构的实现方法,对平台中每个组件都进行了说明。此外,本文还选取三个典型复杂优化问题,利用这些问题解释了组合优化问题在分布式演化计算平台上的实现原理和方法,并测试了平台的设计功能。