در علوم کامپیوتر، مسئله کوتاه‌ترین ابرمتن یکی از مسائل بهینه‌سازی معروف است که در زمینه پردازش رشته‌ها و رشته‌شناسی کاربرد زیادی دارد. در این مسئله هدف ایجاد یک رشته ابرمتن است که تمامی رشته‌های ورودی داده‌شده را به‌عنوان زیررشته‌های خود دربرگیرد. به عبارت دیگر اگر مجموعه‌ای از رشته‌ها داشته باشیم، ابرمتن باید به‌طور متوالی تمامی این رشته‌ها را در خود جای دهد. این مسئله به دلیل کاربردهای متعدد در زمینه‌هایی همچون پردازش زبان‌های طبیعی، بیوانفورماتیک و مسائل بهینه‌سازی در الگوریتم‌های رشته‌ای از اهمیت بالایی برخوردار است. مسئله کوتاه‌ترین ابرمتن از نوع مسائل NP-hard است. به همین دلیل در این تحقیق تلاش شده است تا با استفاده از الگوریتم‌های بهینه‌سازی فراابتکاری مانند الگوریتم ژنتیک و الگوریتم کلونی مورچه‌ها به حل این مسئله پرداخته شود. الگوریتم ژنتیک که الهام گرفته از فرآیندهای تکاملی در طبیعت است، می‌تواند راه‌حل‌های نزدیک به بهینه برای مسائل پیچیده مانند کوتاه‌ترین ابرمتن ارائه دهد. این الگوریتم با استفاده از جمعیتی از کروموزوم‌ها شروع می‌شود و از طریق فرآیندهای انتخاب، ترکیب و جهش، نسل‌های بهبود یافته ایجاد می‌کند. در این پایان‌نامه، ابتدا مسئله کوتاه‌ترین ابرمتن به یک مسئله بهینه‌سازی تبدیل شده و سپس الگوریتم ژنتیک برای یافتن راه‌حل بهینه به‌کار گرفته شده است. به‌علاوه برای ارزیابی کارایی الگوریتم ژنتیک، نتایج آن با الگوریتم کلونی مورچه‌ها مقایسه شده است. نتایج حاصل از این مقایسه نشان‌دهنده کیفیت بالاتر و زمان اجرای بهینه‌تر الگوریتم ژنتیک نسبت به الگوریتم کلونی مورچه‌ها در حل این مسئله بوده است.
