طراحی آزمایش ها از جمله علومی است که بشر با تکیه بر آن توانسته است تصمیمات قابل اتکایی را در بخش های مختلفی از زندگی اتخاذ نماید. در این علم، تکنیک های مختلفی جهت تعیین موثرترین فاکتور بر متغیر پاسخ، شناسایی بهترین مقدار متغیرهای کنترلی برای تعیین مقدار بهینه متغیر پاسخ و ... وجود دارد. وظیفه طراحی آزمایش، ابتدا طراحی یک آزمایش با تعداد نمونه کوچکتر(در ابعاد کوچکتر نسبت به آزمایش اصلی) و سپس تحلیل نتایج آزمایش می باشد. تکنیک های مورد نظر جهت تحلیل آزمایشات با توجه به نوع مسئله و ماهیت داده های آن، انتخاب می شود. به عنوان نمونه برای تحلیل مسئله ای با پاسخ های پیوسته می توان از تکنیک آنالیز واریانس، رگرسیون خطی و سایر روشهای موجود استفاده نمود. نکته قابل توجه آنکه نمی توان تکنیک های مذکور را جهت تحلیل داده های طبقه بندی شده مورد استفاده قرار داد و باید از روش هایی مانند رگرسیون لجستیک، تحلیل متقابل و ... بهره جست. با توجه به توضیحات بیان شده، درمی یابیم که روش های تحلیل داده را می توان به دو دسته کلی پیوسته و طبقه بندی شده تقسیم نمود. تکنیک های ذکر شده، از جمله روش های تحلیل مسائل تک متغیره(یک متغیر پاسخ) هستند، درحالی که در دنیای واقعی با مسائلی برخورد می کنیم که بیش از دو متغیر پاسخ داشته و لذا استفاده از تکنیک های تحلیل مسائل تک متغیره منتج به نتایج نادرست برای آن آزمایشات خواهد شد. به همین دلیل روش-هایی همچون آنالیز واریانس چندمتغیره، لگاریتم خطی(یا رگرسیون لجستک چندمتغیره) و ... برای تحلیل چنین آزمایشاتی مورد استفاده قرار می گیرد. این پژوهش به طور خاص به بررسی روش های تحلیل و بهینه سازی داده های طبقه بندی شده می-پردازد؛ بگونه ای که پس از بیان روش های مختلف تحلیل داده های طبقه بندی شده در فصل دوم، رویکردی ابتکاری جهت تخمین همزمان پارامترهای مدل رگرسیونی(لگاریتم خطی) با دو متغیر پاسخ باینری وابسته ارائه شده و سپس از یک الگوریتم فراابتکاری جهت بهینه سازی مسئله چندپاسخی طبقه بندی شده استفاده می گردد. همچنین شاخص هایی جهت تعیین تناسب روش های ارائه شده، معرفی گردیده که با استفاده از آنها می توان خوب بودن روش ها را مورد بررسی قرار داد. این پژوهش در پنج فصل کلیات، ادبیات تحقیق، متدولوژی، مثال عددی و نتیجه گیری تدوین شده که امیدوارم رویکردها و روش های ارائه شده در این تحقیق برای خوانندگان آن مفید واقع گردد.