Die meisten der kombinatorischen Optimierungsprobleme, welche in den unterschiedlichsten Anwendungen auftreten, sind trotz der heutzutage verfügbaren, gigantischen Rechenleistung zu komplex, um direkt und exakt gelöst zu werden. Abhilfe schaffen hier eine Aufteilung in kleinere Teilprobleme und die Anwendung von heuristischen Lösungsverfahren. Ein typisches Beispiel für ein derartiges Problem ist das Design von Macro-Cell Layouts, was in der Regel in einer Folge von Teilaufgaben (Plazierung, Verdrahtung, Kompaktierung) bearbeitet wird. Im folgenden wird ein genetischer Algorithmus vorgestellt, welcher eine Reihe dieser üblichen Teilaufgaben gleichzeitig löst. Obwohl genetische Algorithmen ein sehr mächtiges Optimierungsverfahren darstellen, wurden sie in der Vergangenheit immer nur auf Teilprobleme aus dem Bereich des physikalischen Designs von VLSI-Layouts angewandt. So lösen z.B. Cohoon et. al. [1,2] das Floorplanning Problem mit genetischen Algorithmen, wobei bei der Plazierung auch der globale Verdrahtungsaufwand berücksichtigt wird. Einen Algorithmus zur Durchführung der detaillierten Kanalverdrahtung beschreiben Lienig und Thulasiraman [5]. Esbensen [4] befa sich sowohl mit der Plazierung, als auch mit der Optimierung der globalen Verdrahtung, allerdings in getrennten Schritten. Wenn man jedoch von dem herkömmlichen, seriellen Lösungsweg Abstand nimmt, ist es möglich, die detaillierte Verdrahtung während der Plazierung durchzuführen und die Optimierung der globalen Verdrahtung einem genetischen Algorithmus zu überlassen.