فرایند تخصیص منابع آموزشی شامل چند مسئله تصمیم گیری مرتبط به هم است. اوّلین مسئله تصمیم گیری، با سازمان دهی (مجدد) مکانی سیستم های آموزشی مرتبط است. مثال های عادی از سازمان دهی مجدد سیستم آموزشی عبارتند از: مکان یابی و یا بستن مراکز آموزشی، سازماندهی مجدد مناطق آموزش و پرورش به وسیله تخصیص دادن کاربران به مراکز خدماتی، تعیین کردن مرز های حوزه های مدیریتی (مانند مقامات آموزش و پرورش محلی و هیئت امنای مدرسه) و غیره. سازماندهی مجدد سیستم های آموزشی شامل موضوعاتی مانند دسترسی مکانی می باشد. می توان دو معیار متفاوت از دسترسی را تعریف نمود: اول بر مبنای بهره وری مکانی، و دوم بر مبنای عدالت. بهره وری مکانی به طور معمول کمینه کردن هزینه کل (یا متوسط) سفر (زمان یا فاصله) از محل اقامت به محل آموزش است. در این پایان نامه حل مسئله تخصیص مراکز آموزشی (مدارس)، از طریق سازماندهی مجدد مکانی سیستم آموزشی از طریق مکان یابی مراکز جدید و همچنین بستن مراکز آموزشی (موجود)، تخصیص دادن دانش آموزان به مراکز خدماتی، که در واقع همان مسئله کلاسیک مکان یابی-تخصیص است، انجام شده است، که در آن هدف افزایش بهره وری مکانی است. برای این منظور ابتدا شرایط موجود مورد برسی قرار گرفته است و نتایج بدست آمده ی پس از حل مسئله، با آن مقایسه شد. مسائل مکان یابی-تخصیص کلاسی از مسائل بهینه سازی پیچیده هستند. هدف این مسائل، تعیین موقعیت مراکز خدماتی و تخصیص نقاط تقاضا به این مراکز، که در این پایان نامه مراکز آموزشی هستند، است. در مسئله ی مکان یابی-تخصیص معمولاً نقاط تقاضا، بر اساس فاصله ی خود به مراکز خدماتی تخصیص می یابند. اما در مسائل دنیای واقعی، از ظرفیت نمی توان چشم پوشی نمود. همچنین سامانه اطلاعات مکانی توانایی تجزیه و تحلیل داده های مکانی را دارد. بنابراین تلفیق نمودن مسئله مکان یابی-تخصیص و سامانه اطلاعات مکانی مفید خواهد بود. روش های دقیق سنتی نمی توانند مسئله ی مکان یابی-تخصیص را به صورت کارآمد حل نمایند. راه حل های فرا ابتکاری مانند الگوریتم ژنتیک برای مدت زمان طولانی برای حل مسئله مکان یابی-تخصیص مورد استفاده قرار گرفته اند. در چندین تحقیق گوناگونِ مسئله مکان یابی- تخصیص، کارآمدی این الگوریتم به اثبات رسیده است. در این پایان نامه، مسئله مکان یابی-تخصیص گسسته، بدون در نظر گرفتن قید ظرفیت و همچنین با در نظر گرفتن قید ظرفیت، به وسیله ی روش های الگوریتم ژنتیک و pso، به کمک سامانه اطلاعات مکانی مورد بررسی قرار گرفته و در پایان این دو الگوریتم مقایسه شده اند. برای این منظور، این دو الگوریتم در منطقه 2 شهر تهران، پیاده سازی شده اند. نتایج بدست آمده نشان می دهد که الگوریتم pso می تواند به عنوان یک رقیب برای الگوریتم ژنتیک باشد، چرا که سرعت رسیدن به جواب در این الگوریتم نسبت به الگوریتم ژنتیک زیاد است. اما میانگین جواب های پیدا شده توسط الگوریتم ژنتیک بهتر است.