در این پژوهش مسأله بهینه سازی سبد سهام با توجه به اهمیت آن در بورس اوراق بهادار و نقش آن در تخصیص بهینه منابع مورد بررسی قرار گرفته است. مدل میانگین-واریانس مارکوویتز یکی از مدل هایی است که برای حل این مسأله مورد استفاده قرار می گیرد. هر چند این مدل از لحاظ نظری با فرمول های ریاضی و از طریق یک معادله درجه دوم قابل حل است، امّا در دنیای واقعی با توجه به تعداد انتخاب های زیاد، رویکرد ریاضی مورد استفاده برای حل این مدل، نیازمند محاسبات و برنامه ریزی وسیع است. وسیع و پیچیده بودن چنین فعالیتی، استفاده از روش های نوین را ضروری می سازد که از جمله آن ها شبکه های عصبی و الگوریتم ژنتیک هستند. از سوی دیگر معیار واریانس در شرایط دنیای واقعی نمی تواند چندان معیار مناسبی برای ریسک باشد و علاوه بر این دیگر معیارهای ریسک در شرایط دیگر و با توجه به ترجیحات سرمایه گذاران می تواند مناسب تر باشد. لذا در این پژوهش از نیم واریانس به عنوان معیار ریسک استفاده شده است. در همین راستا، پژوهش حاضر به منظور بهینه سازی سبد سهامی از بورس اوراق بهادار تهران، از الگوریتم ژنتیک و شبکه های عصبی استفاده نمود و بدین منظور اطلاعات قیمت 8 سهم پذیرفته شده در بورس اوراق بهادار تهران از 29 اسفند 90 تا 29 اسفند 91 به کار گرفته شد. طراحی شبکه های عصبی و الگوریتم ژنتیک در نرم افزار متلب انجام شد. در این پژوهش نشان داده شد که میانگین بازدهی سبدهای تشکیل شده بر مبنای شبکه های عصبی بالاتر از الگوریتم ژنتیک می باشد.