یکی از موضوعات مهم در تحقیقات سازه ای امروز، موضوع پایش سلامت سازه shm است،که مسائلی همچون تشخیص، بررسی آسیب و ارزیابی ایمنی سازه را تحت الشعاع قرار می دهد. وجود خرابی در سازه باعث تغییرات قابل توجهی در رفتار دینامیکی سازه می شود. تا کنون روش های زیادی برای آشکار سازی خرابی و مشخص کردن مکان آن بر مبنای این تغییرات به کارگرفته شده است. این روش ها براساس پارامتری که مبنای محاسبات آن ها قرارمی گیرد، تقسیم بندی متفاوتی دارند. میزان دقت هر کدام از این روش ها نیز قابل اندازه گیری است. با توجه به گسترش استفاده از شبکه عصبی مصنوعی ann در این تحقیق نیز از این روش برای تشخیص آسیب و مشخص کردن محدوه آن در پل های بتنی استفاده شده است. برای ارزیابی مدلهای ann در این مقاله، مدل های عددی از پل بتنی دو دهانه در نرم افزار sap 2000 ساخته شده است. سناریو های آسیب مختلفی که بوسیله کاهش سختی اعمال می گردد، در مکان های متفاوت عرشه پل در نظر گرفته شده است. نتایج حاصل از مدل های عددی نشان می دهد که این روش قادر به تشخیص خرابی، محدوده و شدت آن در پل با دقت قابل قبول می باشد.

یکی از مسائل مهم در کارخانجات تولیدی و شرکت های خدماتی موضوع زمانبندی است که به تخصیص منابع در طول زمان می پردازد. انبار متقاطع مکانی برای ترکیب محصولات ورودی است و زمان چرخه را کاهش می دهد. بنابراین در سال های اخیر، تحقیق و مطالعه در حوزه مسائل زمانبندی افزایش چشمگیری داشته است. در همین راستا، در این تحقیق به بررسی و توسعه مسئله زمانبندی انبارهای متقاطع با وجود چندین درب تخلیه و بارگیری پرداخته شده است. این مسئله با معیار ماکزیمم زمان تکمیل کارها توسعه داده و در قالب یک مدل ریاضی ارائه شد. مدل پیشنهاد شده از دسته مسائل برنامه ریزی غیرخطی به شمار می رود و به دلیل ماهیت پیچیده آن در زمره مسائل np-hard قرار می گیرد. حل این مسئله و رسیدن به جواب بهینه مستلزم صرف زمان زیادی است و در بسیاری موارد غیر ممکن است. بنابراین برای حل این مسئله از رویکرد فراابتکاری الگوریتم هیبرید جستجوی هارمونی و جستجوی همسایگی برای یافتن جواب بهینه یا نزدیک به بهینه استفاده شد. با ایجاد مسائل نمونه به تنظیم پارامتر پرداختیم. با اجرای چندین مسئله در سایز های کوچک و بزرگ عملکرد الگوریتم پیشنهادی را ارزیابی کردیم و نشان داده شد که الگوریتم hsvns عملکرد بهتری نسبت به بقیه الگوریتم ها دارد.