با توجه به گسترش شهرها و پیچیده­تر شدن شبکه­ی راه­های درون شهری به ویژه در شهرهای بزرگ، مسئله­ی مسیریابی و در واقع یافتن کوتاه­ترین مسیر تبدیل به یکی از دغدغه­های افراد در هنگام تصمیم گیری برای انتخاب مسیر در جابجایی از مبدا حرکت به یک مقصد مشخص، شده است. روشی که در این پژوهش برای حل مسئله­ی کوتاه­ترین مسیر پیشنهاد می­شود، استفاده از ترکیب الگوریتم­های فراابتکاری ژنتیک (GA) و جستجوی ممنوع (TS) می­باشد. بدین منظور پس از اعمال یک سری پیش پردازش هندسی بر روی شبکه­ی مورد نظر برای سرعت بخشیدن به روند جستجوی الگوریتم از یک محدوده­ی جستجو حول نود مبدا و مقصد استفاده می­شود. در الگوریتم پیشنهادی، تابع هزینه به صورت یک عدد مختلط تعریف می­شود که قسمت حقیقی آن نشان­دهنده­ی مجموع وزن یال­های واقعی و قسمت موهومی آن نشان­دهنده­ی تعداد یال­های مجازی و در واقع تعداد عدم اتصالات بین نود­ها در کروموزوم­های الگوریتم ژنتیک می­باشد.  همچنین در بحث اعمال جهش بر روی کروموزوم­های الگوریتم ژنتیک، از الگوریتم جستجوی ممنوع استفاده می­گردد. علت پیشنهاد این روش، جدید بودن و نیز زمان­بر بودن روش­های قطعی مثل الگوریتم دایجسترا و نیز جواب نامناسب الگوریتم ژنتیک خالص(غیر ترکیبی) از لحاظ وزن نهایی مسیر در حل مسئله­ی مسیریابی در شبکه­های واقعی بخصوص شبکه­های بزرگ می­باشد. به منظور ارزیابی کارایی الگوریتم پیشنهادی، الگوریتم بر روی یک شبکه­ی واقعی جهت­دار شامل 739 نود و 1160 یال که بخشی از شبکه­ی راه­های شهر تهران می­باشد، پیاده­سازی شد. نتایج نشان می­دهد که در الگوریتم پیشنهادی، طول مسیر تا حد ممکن به جواب حاصل از الگوریتم قطعی دایجسترا نزدیک است. این الگوریتم طول نهایی مسیر را 5 درصد بیشتر پیش بینی می­کند. اما از لحاظ سرعت اجرا به طور متوسط 12/5 برابر نسبت به الگوریتم دایجسترا سریع­تر است. در مقایسه­ با الگوریتم ژنتیک خالص نیز الگوریتم پیشنهادی از نظر طول مسیر به طور متوسط 9 درصد کوتاه­تر می­باشد و از نظر زمان اجرا سرعت الگوریتم پیشنهادی با الگوریتم ژنتیک خالص تقریبا برابر است. همچنین به لحاظ قابلیت تکرارپذیری نیز الگوریتم پیشنهادی 36/25 درصد، تکرارپذیری را نشان می­دهد.