بدلیل پایین بودن قیمت انرژی در ایران و در نتیجه بالا بودن دوره بازگشت سرمایه در پروژه های بهینه سازی مصرف انرژی در ساختمان ها، سازندگان بنا از ساخت ساختمان هایی با هدف مصرف کم انرژی استقبال نمی کنند. حتی افزایش قیمت حامل های انرژی تا سطح منطقه نیز باعث اقتصادی بودن بسیاری از طرح های صرفه جویی انرژی نمی گردد. روش های معماری کاهش دهنده مصرف انرژی، روش های بدون هزینه و پایداری بوده که هم از منظر اقتصادی و هم از منظر زیست محیطی مناسب تر از دیگر روش ها می باشند. هرچند صرفه جویی انرژی با طراحی معماری در همه کشور ها قابل استفاده است ولی بواسطه ساختار اقتصادی، اجتماعی و فرهنگی، برای ایران از مناسبت بیشتری برخوردار است. مصرف انرژی به تعداد زیادی از پارامترهای طراحی وابسته است که هر یک از این پارامترها می توانند تاثیرات مختلف و حتی متضادی در مصرف انرژی ساختمان داشته باشند. در میان این پارامترهای گسترده آنچه که در این پایان نامه بعنوان موضوع تحقیق انتخاب گردیده پنجره ها، دیوارها، سقف ها و دمای داخل می باشند. در حقیقت هدف این پژوهش یافتن مناسب ترین طرح از نقطه نظر مصرف انرژی برای یک ساختمان با تاکید بر تغییر در اندازه و نوع پنجره ها، جنس دیوارها و سقف ها و اندازه دمای داخلی است. به منظور یافتن طرح بهینه از الگوریتم ژنتیک استفاده می گردد اما از آنجا که استفاده از این الگوریتم نیاز به محاسبات گسترده ای دارد به منظور کاهش حجم محاسبات از شبکه های عصبی بهره گرفته می شود. ابتدا برای تایید این مدل (تلفیق شبکه عصبی و الگوریتم ژنتیک)، مقاله ای که نتایج آن موجود است به این روش حل و با یکدیگر مقایسه می شوند. پس از اطمینان از کیفیت این مدل، از آن برای بهینه سازی یک ساختمان نمونه در شهر قزوین استفاده می گردد. این مدل قادر است حالت های بهینه را در کوتاهترین زمان از میان میلیون ها حالت ممکن شناسایی کند و پاسخ های آن تا حدود بسیار زیادی دقیق هستند. از جمله محدودیت های آن می توان به کند بودن روند تشکیل پایگاه داده لازم برای آموزش شبکه عصبی و نیز مشخص نبودن تعداد داده کافی برای تشکیل این پایگاه اشاره نمود.