مقاومت بتن به عنوان یکی از مهمترین پارامترهای لازم برای طراحی، به عوامل بسیار زیادی از قبیل طرح اختلاط بتن، جنس مواد تشکیل دهنده بتن، شرایط آزمایشگاهی، مهارت? های فرد آزمایش کننده، خطاهای آزمایشگاهی و..... بستگی دارد. از آنجا که بسیاری از این عوامل نامعلوم بوده و نمی توان به فرمولاسیون خاص و نسبتاً دقیقی برای مقاومت بتن دست یافت، لذا بکار بردن روشی که ورای فرمول های معمول ریاضی بتواند تا حد قابل قبولی مقاومت بتن را پیش بینی کند، حائز اهمیت خواهد بود. امروزه استفاده از شبکه های عصبی که الهام گرفته از رفتار مغز و نرون های عصبی است در مسائلی که ماهیتاً دارای مجهولات زیادی بوده ودر مواردی دسترسی به حل آنها ناممکن می نماید، رو به افزایش است. در بخش اول این تحقیق با در دست داشتن نتایج تعدادی نمونه آزمایشگاهی ( شامل درصدهای اجزاء تشکیل دهنده نمونه و مقاومت نمونه مورد نظر)، یک شبکه عصبی، آموزش داده خواهد شد. پس از آزمایش، شبکه این قابلیت را خواهد داشت که با داشتن اوزان اجزاء تشکیل دهنده یک متر مکعب بتن، مقاومت فشاری آن را پیش بینی کند. در بخش دوم این تحقیق با استفاده از الگوریتم های ژنتیک در یک فضای چند بعدی که هر بعد آن یکی از اجزاء تشکیل دهنده بتن می باشد، به جستجو پرداخته تا نقطه مورد نظر که دارای مقاومت بیشینه می باشد پیدا شود. این الگوریتم های ژنتیک، الگوریتم های جستجوی هستند که بر اساس ساز و کار انتخاب طبیعی بنا نهاده شده اند. این الگوریتم ها مناسب ترین رشته ها را از میان اطلاعات تصادفی سازماندهی شده، با روش جستجوی انسانی انتخاب می?کنند. در هر نسل یک گروه جدید رشته ها با استفاده از بهترین قسمت های دنباله های قبلی و بخش جدید اتفاقی برای رسیدن یه یک جواب مناسب بوجود می آید. هنگام پیشامد سازی، الگوریتم های وراثتی عمل پیشامد سازی ساده را نمی پیمایند، بلکه آنها داده های پیشین را با تفکر انتخاب نقاط جستجوی جدید برای رسیدن به پیشرفت مورد نظر، توأم می کنند. تابع برازش مورد استفاده در الگوریتم ژنتیک بکار رفته در این تحقیق، شبکه عصبی از نوع radial basis function (rbf) می باشد که در بخش اول تحقیق آموزش داده شده است.