مدلسازی و شناسایی سیستم های پیچیده با استفاده از داده های ورودی-خروجی به علت عدم کارایی روش های تحلیلی در مدلسازی این سیستم ها کاربرد وسیعی یافته است و روشهای مختلف مدلسازی برای این منظور ارائه شده اند. در این پایان نامه، روش برنامه ریزی ژنتیکی چند هدفه برای مدلسازی سیستم های پیچیده مورد استفاده قرار می گیرد. برنامه ریزی ژنتیکی، الگوریتم ژنتیک را مستقیماً روی برنامه های کامپیوتری با ساختارهای درختی انعطاف پذیر اعمال می کند و می تواند برای مسائلی که اندازه و شکل جواب در آنها نامشخص است راه حل ارائه دهد. همچنین به دلیل قابلیت آن در استفاده از توابع متنوع در مدلسازی، می تواند مدل هایی ساده و دقیق را برای مسائل ارائه کند. از الگوریتم بهینه سازی چندهدفی muga که بر اساس مرتب سازی نقاط غیر برتر عمل می کند، برای نخستین بار در برنامه ریزی ژنتیکی استفاده می شود. توابع هدفی که مدنظر قرار گرفته اند شامل خطای مدلسازی، خطای پیش بینی و اندازه درخت جواب می باشند. دو مسئله با استفاده از این روش مدلسازی می شوند و در هرکدام منحنی های پارتو که شامل نقاط بهینه غیر برتر است ارائه شده و نقطه مصالحه طراحی پیشنهاد می گردد. مقایسه نتایج با کارهای قبلی انجام شده نشان دهنده برتری در ارائه مدل های ساده تر و دقیق تر است.