وقوع زلزله­های مخرب بشر را بر آن داشته است که در فکر تدوین یک برنامه زیر­بنایی برای کاهش خطرات و آسیب­های ناشی از آن باشد. کاهش آسیب­پذیری در برابر زلزله تنها از طریق تمهیدات ساختمانی مقدور نخواهد بود و هنگامی تحقق می­یابد که ایمنی شهر در برابر خطرات زلزله به‌عنوان یک هدف در تمامی سطوح برنامه­ریزی شهری مدنظر قرار گیرد. تخصیص صحیح و مناسب کاربری­های مختلف شهری کمک شایانی به مسئله­ی مدیریت بحران شهری مرتبط با زلزله می­نماید بنابراین شناخت متغیرهای مختلف مؤثر در میزان آسیب­پذیری مناطق شهری در برابر زلزله ازنظر کاربری زمین شهری ، تعریف و بیان رابطه­ی آن‌ها با آسیب­پذیری، تجزیه‌وتحلیل آن‌ها و درنهایت دستیابی به نقشه های بهینه کاربری با آسیب پذیری کم تر در مقابل زلزله هدف اصلی این تحقیق می‌باشد. در این تحقیق، به منظور بهینه کردن تخصیص کاربری‌ های شهری با رویکرد کاهش آسیب­پذیری ناشی از زلزله بر اساس فاکتورهای فیزیکی از الگوریتم بهینه­سازی چند­هدفه NSGA-II استفاده شده است. منطقه­ 12 شهرداری تهران به‌عنوان منطقه­ی مطالعاتی در نظر گرفته‌ شد. در این الگوریتم اهداف اصلی شامل بیشینه­سازی سازگاری کاربری­های مجاور، دسترسی کاربری­ها، دسترس­پذیری کاربری­های بهداشتی-درمانی و مسکونی به شبکه معابر و کمینه سازی خطرپذیری در برابر خطر زلزله و کمینه سازی تغییر کاربری‌ها تعریف‌ شده است. با توجه به چند­هدفه بودن الگوریتم  NSGA-II، درنهایت تصمیم­گیرنده در جبهه­ی جواب بهینه با تعداد زیادی جواب مواجه خواهد شد و این مسئله تصمیم­گیری را دشوار خواهد کرد. به این منظور در این تحقیق برای کمک به تصمیم­گیری بهتر و نمایش سناریوهای متناظر با اولویت تصمیم­گیرندگان، از آنالیز خوشه­بندی با روش K-means استفاده‌ شده است. در تست­های انجام‌ شده بر روی الگوریتم بهینه­سازی، مشخص شد که نتایج ازنظر همگرایی و تست تکرار­پذیری قابل‌قبول می­باشند. همچنین در چینش­های بهینه­ی به‌دست‌آمده وضعیت توابع هدف بهتر از وضعیت موجود است. نتایج این تحقیق می‌تواند به‌عنوان یک ابزار حمایت از تصمیم­گیری به برنامه­ریزان و سیاست­گذاران مدیریت شهری مرتبط با زلزله در خصوص برنامه­ریزی صحیح فضای شهری کمک نماید. روش مناسب بهینه سازی و منطبق با مسئله و تعریف توابع هدف مطابق با واقعیت و واردکردن جنبه‌های اصلی مسئله آسیب‌پذیری زلزله در مدل ارائه شده و اعمال نظرات تصمیم­گیرندگان در مراحل تحقیق و در مرحله­ی پایانی برای انتخاب چینش بهینه با تجزیه و تحلیل نتایج حاصل از سناریوها و خوشه‌بندی سناریوها نشان دهنده­ی کارایی مدل می باشد.