امروزه در اکثر زمینه های صنعت نیاز به برش و بسته بندی محصولات دیده می شود. از برش شیشه و فلزات گرفته تا جادهی تراشه های الکترونیکی به روی فضای ic، همگی کاربردهای مسأله بسته بندی دوبعدی محسوب می شوند. در همه این موارد و غالب موارد دیگر نیاز به بهینگی و کمتر مصرف شدن فضا و مواد مصرفی شرط اول منفعت می باشد. محققان روش های متنوعی را برای حل این مسأله پیشنهاد داده اند اما با بزرگتر شدن اندازه مسأله و توجه به محدودیت زمان برای بدست آوردن جواب بهینه، روش های اکتشافی خودنمایی بیشتری نسبت به سایر روش ها می کنند. یکی از روش هایی که توانسته است در زمان مناسب به جواب قابل قبولی برسد، الگوریتم ژنتیک می باشد. برای حل هر مسأله توسط الگوریتم ژنتیک ابتدا باید روشی برای نمایش جواب های مسأله، انتخاب کرد. یکی از مهمترین اجزای الگوریتم ژنتیک، تابع کارایی می باشد که با محاسبه کارایی جواب های مسأله (افراد جمعیت) و بازخورد آن به الگوریتم، نقش مهمی در هدایت صحیح الگوریتم به سمت جواب بهینه ایفا می کند. این تحقیق با تمرکز روی ساختار الگوریتم ژنتیک و سعی در برطرف کردن نقاط ضعف روش های مشابه، به نتایج مناسبی رسیده است. این روش یک الگوریتم ژنیتک چندجمعیتی می باشد که از تنظیمات فازی برای پارامترهای الگوریتم ژنتیک بهمراه نمایش جدید مناسبی از جواب های مسأله (کروموزوم ها)، تابع جدید ارزیابی کیفیت بسته بندی که پتانسیل کارایی بسته بندی را مورد توجه قرار می دهد، بهره می برد. همچنین از پردازش موازی برای استفاده ی حداکثری از توان پردازنده و یک روش جایگذاری ترکیبی جدید استفاده شده است. در ادامه به بررسی تاثیر عملگرهای تکاملی نش پرداخته شده که نتوانست جواب مناسبی بدست آورد و در نسخه نهایی الگوریتم استفاده نشد. در پایان روش پیشنهادی روی پنج مجموعه داده بنچمارک با چندین روش بسته بندی ارائه شده در سال های اخیر مقایسه شد، که ارزیابی های صورت گرفته که ‏این روش کارایی مناسب تری دارد نشان می‏دهد.‏ در مجموع برای بسته بندی دوبعدی روی 129 نمونه گزارش شده 42 جواب بهینه جدید و 70 نمونه جواب برابر با بهینه موجود (بهترین جواب بدست آمده از روش های دیگر)، بدست آمد و برای مساله برش نوار نیز از 56 نمونه گزارش شده 12 جواب بهینه جدید و 24 جواب برابر با بهینه موجود بدست آمد در مسایل با مجوز چرخش مستطیل ها نیز از 21 نمونه، سه جواب بهینه جدید و 17 جواب برابر با بهینه موجود بدست آمد.