مسئله بهینه¬سازی مارکویتز و تعیین مرز کارای سرمایه¬گذاری، زمانی¬ که تعداد دارایی¬های قابل سرمایه¬گذاری و محدودیت¬های موجود در بازار کم باشد، توسط مدل¬های ریاضی حل شدنی است. اما هنگامی که شرایط و محدودیت¬های دنیای واقعی در نظر گرفته شود، مسئله بهینه سازی پرتفوی به راحتی با استفاده از شیوه¬های ریاضی حل نمی¬شود. به همین دلیل استفاده از شیوه¬های ابتکاری همچون شبکه¬های عصبی و الگوریتم¬های تکاملی در بهینه¬سازی پرتفوی یکی از موضوعات مهم مورد بحث در دوران اخیر بوده است. هدف اصلی تحقیق حاضر ارائه مدل جدیدی از پرتفوی چند هدفه و چند دوره ای است. در این مسئله مدیر پروژه برای تعیین نسبت سهم سرمایه¬گذاری شده در هر نهاد اعتباری از چند شرکت مشاوره¬ای کمک می¬گیرد تا نهادهای اعتباری را رتبه¬بندی نمایند و به این ترتیب ریسک مسئله علاوه بر ریسک بازده بر اساس احتمال ضرر و زیانی که ممکن است بر اثر این رتبه¬بندی و انتخاب نهادهای اعتباری پیش بیاید محاسبه می¬شود.در مرحله بعد حل مدل توسط الگوریتم هیبرید nsgaiiو mopsoو سپس مقایسه جواب حاصل از این الگوریتم پیشنهادی با الگوریتم انجماد تدریجی چند هدفه ارائه خواهد شد.