در برخی از آزمایش های آماری یک یا چند تیمار (تیمارهای کنترل) وجود دارند که نسبت به سایر تیمارها (تیمارهای آزمایشی) از اهمیت بیشتری برخوردارند. این آزمایش ها، طرح های آزمایش-کنترل نامیده می‌شوند و هدف از انجام آن‌ها، مقایسه‌ی تیمارهای کنترل و تیمارهای آزمایشی با یکدیگر است. یکی از کلاس‌های متداولی که برای پیاده‌سازی طرح‌های آزمایش-کنترل مورد استفاده قرار می‌گیرد، طرح‌های بلوکی است که برای کنترل اثر عوامل مزاحم استفاده می شود. در این رساله، مسئله‌ی اصلی انتخاب یک طرح بهینه در کلاس طرح‌های بلوکی آزمایش-کنترل است. اگرچه تحت برخی ساختارهای همبستگی می‌توان طرح بهینه را به صورت تحلیلی ساخت اما حل این مسئله زمانی که مشاهدات همبسته باشند با پیچیدگی‌های زیادی همراه است. این پیچیدگی‌ها برای حالتی که اندازه بلوک‌ها نابرابر باشند دوچندان می‌گردد. در این رساله اندازه بلوک‌ها نابرابر در نظر گرفته می شود و با فرض ناهمبسته بودن مشاهدات در بلوک‌های متفاوت و وجود یک ساختار همبستگی یکسان برای مشاهدات داخل هر بلوک به بررسی بهینگی طرح‌های بلوکی برای مقایسه‌ی تیمارهای آزمایش با یک تیمار کنترل می‌پردازیم. یکی از معیارهای بهینگی، E-بهینگی یا کمینه کردن بزرگترین مقدار ویژه معکوس ماتریس اطلاع طرح است. ما ابتدا شرایط کافی برای E-بهینه بودن یک طرح در کلاس مورد نظر را بررسی می کنیم و سپس ساختار طرح E-بهینه تحت دو ساختار همبستگی هاب و اتورگرسیو مرتبه اول را به دست می آوریم. منظور از ساختار طرح بهینه، مشخص کردن موقعیت تیمار کنترل در هر بلوک از طرح بهینه است. سپس از آنجایی که یافتن طرح بهینه تحت سایر معیارهای بهینگی به صورت تحلیلی امکان پذیر نیست، در این رساله دو الگوریتم MPS و MCC بر پایه‌ی الگوریتم‌های فرا-ابتکاری برای جست‌وجوی طرح‌های بهینه، توسعه داده شده است. الگوریتم MPS بر پایه‌ی دو الگوریتم PSO و SA است و برای یافتن طرح A-بهینه برای حالتی که اندازه بلوک ها برابر باشد کاربرد دارد. الگوریتم MCC توسعه یافته‌ی الگوریتم MPS است که قادر است طرح بهینه را تحت هر معیار بهینگی محدب و اندازه بلوک نابرابر به دست آورد. زمان اجرای هر دو الگوریتم بسیار کوتاه است. این موضوع در کنار نتایج رضایت‌بخش آن‌ها در مقایسه با سایر روش‌های استفاده شده برای یافتن طرح بهینه، این الگوریتم‌ها به ویژه MCC را به یک راه حل عملی برای یافتن طرح بهینه تبدیل می‌کند. .