مدل بهینه سازی سبد سهام که توسط مارکویتز ارائه شده است، تا کنون در تحقیقات مختلفی مورد بررسی قرار گرفته است. در تحقیق پیش رو حالت چند معیاره مدل مارکویتز و مدل کاردینالیتی مورد بررسی قرار گرفته است. دو روش مرسوم برای حل مسائل چند معیاره عبارتند از nsga ii و روش توابع هدف متراکم. در این پایان نامه دو روش مورد نظر برای هر دو مدل به صورت جداگانه ارائه شده و مورد مقایسه قرار گرفته است. به عنوان مثال برای مدل چند معیاره مارکویتز یک الگوریتم ژنتیک در روش توابع هدف متراکم ارائه شده و پارامترهای آن با روش طراحی آزمایش ها تعیین شده است. سپس الگوریتم nsga برای آن معرفی شده و مرزهای پارتو حاصل از هر دو روش مذکور مورد مقایسه قرار گرفته است. برای مدل چند معیاره مارکویتز با لحاظ کردن محدودیت های کاردینالیتی که در ادبیات موضوع تحت عنوان مدل کاردینالیتی موسوم است، نیز الگوریتم های مشابهی ارائه شده است. پارامترهای الگوریتم های ژنتیک ارائه شده در این تحقیق با روش طراحی آزمایش ها تعیین می گردد. لازمه این کار یافتن حدود بالا و پایین برای مسائل مورد بررسی است که در این پژوهش حدود مورد نظر به اثبات رسیده است. همچنین در مدل های فراابتکاریبرخی از عملگرهای الگوریتم ژنتیک برای اولین بار معرفی شده است. نتایج حاصلاز این تحقیق ارائه الگوریتم هایnsga بوده که توانایی بالا در ردیابی مرز پارتو دارد. همچنین الگوریتم های ژنتیک معرفی شده می تواند در تحقیقات آتی برای مقایسه سایر روش های ابتکاری واقع شده و با توجه به کارائی روش nsga ارائه شده می توان این روش را به عنوان ابزاری برای تصمیم گیرندگان بازار سرمایه برای تشکیل سبد سهام مطلوب خود پیشنهاد کرد.