یکی از مولفه های اصلی سامانه های اطلاعات مکانی (GIS) مدلسازی های مکانی است. روش های هوشمند همانند شبکه های عصبی از جمله روش هایی هستند که در دهه های اخیر جهت انجام مدلسازی های مکانی به آنها توجه زیادی شده است. در اغلب روش های هوشمند، مدلسازی مکانی بر مبنای تعیین یک ساختار اولیه برای روش مورد استفاده انجام می شود که تعیین چنین ساختار اولیه ای در اغلب مواقع امری بسیار دشوار است. در این تحقیق برای حل چنین چالشی از برنامه نویسی ژنتیکی برای تهیه نقشه پتانسیل معدنی استفاده شده است. در این روش روابط بین داده های ورودی و خروجی به طور خودکار و بدون نیاز به تعریف یک ساختار اولیه و به صورت کاملاً صریح استخراج می شوند. یکی از چالش ها در بکارگیری برنامه نویسی ژنتیکی انطباق بیش از حد می باشد. در این تحقیق روشی نوین برای جلوگیری از مشکل انطباق بیش از حد ارائه شده است. همچنین برای افزایش دقت مدلسازی از تلفیق خطی وزندار چند درخت (برنامه نویسی ژنتیکی چند ژنه) استفاده شد. در ادامه برای تعیین موثرترین فاکتور ورودی از دو روش تحلیل حساسیت EFAST و Sobol’s که بر مبنای شبیه سازی مونت کارلو هستند استفاده گردید. در نهایت مشخص گردید که معیارهای ژئوفیزیکی و از میان آنها فاکتور شدت میدان مغناطیسی دارای بیشترین حساسیت و معیارهای زمین شناسی و از میان آنها سنگ شناسی دارای کمترین حساسیت بر روی خروجی هستند.