یک دسته مهم از مسائل ترکیباتی ، مسائل گروه بندی هستند که هدف آنها گروه بندی اعضای یک مجموعه در قالب گروه های مجزا است. با توجه به پیچیدگی ذاتی مسائل گروه بندی، الگوریتم های ژنتیک استاندارد در حل آنها ضعیف عمل می کنند. لذا طرح کدینگ و اپراتورهای جدیدی برای این دسته از مسائل ارائه شده که منجر به معرفی الگوریتم ژنتیک گروه بندی شده است. مقایسات صورت گرفته میان عملکرد الگوریتم ژنتیک گروه بندی با سایر نسخه های الگوریتم های ژنتیک در حل مسائل گروه بندی نشان از عملکرد برتر الگوریتم ژنتیک گروه بندی در این زمینه دارد. اغلب مسائل گروه بندی np-hard هستند. بدین مفهوم که الگوریتم های شناخته شده قادر به حل اینگونه مسائل در زمانی معقول (غیرنمایی) نمی باشند. لذا این الگوریتم ها برای حل مسائل علمی کارا نیستند. در این پایان نامه، هدف ارائه الگوریتم های فرا ابتکاری تطبیق یافته جدید برای حل مسائل گروه بندی است. الگوریتم های مذکور مبتنی بر الگوریتم های بهینه سازی اجتماع ذرات (pso) و تکامل دیفرانسیل (de) بوده که برای حل کلیه مسائل گروه بندی قابل اعماند و به عنوان نمونه عملکرد آنها در حل مسئله طراحی سلول تولیدی که از خانواده مسائل گروه بندی هستند با عملکرد الگوریتم ژنتیک گروه بندی مقایسه می شود. مسئله طراحی سلول تولیدی با گروه بندی خانواده ای از قطعات و ماشین هایی که بر اساس آنها این قطعات تولید می شوند در ارتباط است. هدف در الگوریتم های پیشنهادی حداقل کردن حرکات بین سلولی (گروه ها) است و معیار ارزیابی جوابها، معیار کفایت گروهی ارائه شده توسط کومار است. نتایج محاسباتی نشان از آن دارند که الگوریتم های توسعه داده شده بسیار رقابت پذیر بوده و در بسیار از مسائل نمونه برگرفته شده از ادبیات از عملکرد بهتری نسبت به الگوریتم ژنتیک گروه بندی برخوردارند، بنابراین استفاده از آنها در حل کلیه مسائل رده گروه بندی پیشنهاد می شود.