انتخاب سبد سهام یکی از موضاعات مهم در بحث سرمایه گذاری است که در آن سرمایه گذار با گزینه های بیشماری روبروست و باید بهینه ترین آن گزینه ها را انتخاب نماید.مدل مارکویتز از جمله ابزاری است که ما را در انتخاب سبد بهینه یاری می نماید، اما این مدل نیز دارای مفروضات محدود کننده ای است که سرمایه گذار نمی تواند در دنیای واقعی به طور موثری آن را به کار گیرد. با توجه به این مسئله در این تحقیق سعی بر آن است تا با اضافه نمودن محدودیت های دنیای واقعی از جمله محدودیت آستانه ی خرید ، محدودیت بودجه و محدودیت کاردینال به این مدل، مدلی کاربردی را ارائه نماییم. الگوریتم های تکاملی از جمله الگوریتم ژنتیک محققان را در حل مسائل پیچیده و ترکیبی کمک می نماید. مدل ارائه شده در این تحقیق از جمله آن مدل هاست و برای حل آن از الگوریتم ژنتیک استفاده گردید. به منظور ارزیابی مرز کارای بدست آمده از مدل فوق، آن را با شاخص کل بورس و اوراق بهادار و همچنین آن را با یکی دیگر از روش های هوشمند ، یعنی شبکه عصبی مقایسه نمودیم. به منظور ارزیابی کارایی این مدل در یک صنعت، مرز کارایی که بر اساس سهام موجود در صنعت فلزات اساسی و مدل فوق بدست آمده بود را با شاخص این صنعت مقایسه کردیم. همچنین مرز کارای حاصل از تعداد سهام مختلف را باهم مقایسه نمودیم. نتایج حاصله نشان داد که مدل فوق قادر به دستیابی به بازده غیر نرمال می باشد، با افزایش تعداد سهام مرز کارا بهبود می یابد و مرز کارای حاصل از الگوریتم ژنتیک بالاتر از شبکه عصبی قرار می گیرد.