نمونه گیری تصادفی طبقه بندی شده، از جمله روش های متداول در طرح های آمارگیری شناخته می شود. این طرح با افرازبندی اعضای جامعه صورت می گیرد، به گونه ای که از نظر متغیر مورد مطالعه اعضای درون هر طبقه دارای بیشترین همگنی و اعضای طبقات متفاوت دارای بیشترین ناهمگنی هستند. بسته به موضوع مورد مطالعه، ممکن است با یک یا چند متغیر طبقه بندی کننده مواجه باشیم. از موضوعات مهم در این طرح نمونه گیری، انتساب نمونه ها به طبقات است. انتساب بهینه متضمن دقت بیشتری برای برآوردگر میانگین طبقه بندی، نسبت به سایر انتساب های نمونه است. در حالت چند متغیره انتساب بهینه انفرادی برای متغیرها، کارآمد نیست. از این رو در این حالت لازم است انتسابی بهینه بر اساس تمامی متغیرهای طبقه بندی کننده انجام پذیرد. در این پایان نامه روش های تعیین حجم نمونه، تعیین مرز طبقات و انتساب نمونه به طبقات برای حالت یک و چندمتغیره ارائه می شوند. در تعیین مرز طبقات برای حالت چندمتغیره از روش های مولفه های اصلی و تحلیل خوشه ای استفاده می شود. همچنین روش های بهینه سازی برای انتساب نمونه ها به طبقات در حالت چندمتغیره معرفی می شوند. سپس با استفاده از شبیه سازی، روش ها مورد ارزیابی و بررسی قرار می گیرند. در پایان الگوریتم ژنتیک و کاربرد آن در نمونه گیری طبقه بندی شده بیان شده و با روش های موجود مقایسه می شود.