برنامه ریزی خطی فازی یک برنامه ریزی با کاربرد بالا در مسائل بهینه سازی صنعتی می باشد، همچنین برنامه ریزی خطی دوترازه یک تکنیک برای مدل کردن تصمیم های غیر متمرکز است، لذا برای گرفتن بهترین تصمیم با روابط سلسه مراتبی در سازمان ها مناسب می باشد. به دلیل اینکه در موقعیت های واقعی ابعاد مسئله بزرگ می باشد، ممکن است حل این مسائل با روش های مرسوم مشکل باشد. الگوریتم های فراابتکاری به خصوص الگوریتم ژنتیک (ga) روشی کارا در حل مسائل بهینه سازی پیچیده می باشند. در این ‏پایان نامه، نخست به بیان مفاهیمی از الگوریتم ژنتیک‏، مجموعه های فازی و غیرفازی ساز‎‎‏ ها می پردازیم. در ادامه الگوریتم ژنتیک را برای بدست آوردن مقادیر غیر فازی شده ضرایب فازی در برنامه ریزی خطی با محدودیت های فازی ‎ (fclp) ‎ به کار می بریم. به این صورت که هر عدد فازی را با تقسیم کردن به نقاط افراز شبیه سازی کرده، سپس با استفاده از تابع برازندگی مرکز ثقل، مقادیر بهینه درجه عضویت را در نقاط افراز بدست می آوریم. این الگوریتم ژنتیک بدون استفاده از اصل گسترش، حساب بازه ها و ... برای محاسبات فاز ی و بدون استفاده از روش جریمه برای تخلف های محدودیت ها یک جواب بهینه بدست می آورد. در فصل سوم اصلاحی از این الگوریتم ژنتیک به منظور‎ نزدیک تر شدن جواب به حل مستقیم پییشنهاد می شود. نتایج نشان داد که الگوریتم ژنتیک اصلاح شده جواب های مناسب تری ارائه می‏ دهد‎.‎ در فصل چهارم، الگوریتم ژنتیکی برای حل ‎ fclpارائه می دهیم. این الگوریتم با تولید مقادیر تصادفی در تکیه-گاه عدد فازی، یک جواب بهینه برای ‎ fclp‎ ارائه می دهد‏.‎ در فصل نهایی به حل برنامه ریزی خطی دوترازه‎ (blpp) ‎ با استفاده از ‎ ga‎، الگوریتم بهینه سازی تراکم ذرات‎ (pso) ‎ و ترکیب ‎ga ‎ وpso (‎hgapso) ‎ می پردازیم. در این الگوریتم ها نه تنها جمعیت آغازین بلکه عملگرهای ژنتیک برای ‎ blpp ‎ شدنی می باشند. از اجرای این الگوریتم ها‎ مشاهده ‏شد،‎ ‎hgapso عملکرد بهتری دارد.