معیار عملکرد اصلی در سازمان های مبتنی بر تحقیق و توسعه، عموماً آمار پروژه های موفق است. انتخاب مناسب اعضا می تواند در موفقیت پروژه ها سهم بسزایی داشته باشد، اما همان طور که انتخاب افرادی خاص کاهش دهنده ریسک پروژه می شود، حضور مکرر این افراد در پروژه های مشابه، سبب تمرکز دانش شده و سازمان را با خطری جدی روبه رو می کند. بنابراین انتخاب اعضای تیم های تحقیق و توسعه به نحوی که زوایای کیفی پروژه و دانش سازمان، هر دو کانون توجه قرار گیرند، حائز اهمیت است. در حالت کلی این نوع مسائل جزء مسائل پیچیده حوزه تحقیق در عملیات به شمار می رود. چون معمولاً در واقعیت تعداد ترکیبات ممکن بسیار زیاد است، روش های بهینه سازی مبتنی بر شمارش یک به یک، از حل جامع این گونه مسائل عاجزند. به همین دلیل از الگوریتم های فراابتکاری، مثل الگوریتم ژنتیک، شبیه سازی تبرید، شبکه های عصبی و... برای حل استفاده می شود. در پژوهش پیش رو، مدلی بر این اساس معرفی شده و یک الگوریتم ژنتیک با مرتب سازی نامغلوب نسخه 2 برای حل آن توسعه داده می شود.
