طراحی بهینه بر مبنای عملکرد یک روش برای طراحی اقتصادی سازه های مقاوم در برابر زلزله است که هدف اصلی در آن دست یابی به سطح قابل قبولی از امنیت در مقابل زلزله است. از طرف دیگر روش¬های بهینه سازی بر مبنای قابلیت اطمینان، تغییر پذیری پارامترهای طراحی را به طور مستقیم در فرمول بندی مسئله بهینه سازی دخالت می دهند. علی¬رغم پیشرفت¬های قابل ملاحظه در روش¬های حل مسائلی که با آنالیز قابلیت اطمینان مواجه¬اند، حل یک مسئله واقعی بهینه¬سازی سازه¬ای بر مبنای قابلیت اطمینان هزینه محاسباتی بسیار بالایی دارد. زمانی که برای ارزیابی پاسخ لرزه¬ای سازه¬هایی که در روند بهینه¬سازی ایجاد می¬شوند، از آنالیز غیرخطی استفاده کنیم، این هزینه محاسباتی به طور بازدارنده¬ای بیشتر می¬شود. مهمترین هدف این تحقیق ارائه روشی کارآمد برای بهینه¬سازی سازه¬های فولادی بر مبنای قابلیت اطمینان می¬باشد. جهت دست¬یابی به این هدف از شبکه عصبی برای پیش¬بینی پاسخ غیرخطی سازه¬ها در فرآیند بهینه¬سازی استفاده شد. دو شبکه عصبی انتشاربرگشتی و انتشاربرگشتی موجکی مورد بررسی قرار گرفته و عملکرد این دو در پیش¬بینی پاسخ¬های سازه¬ای مقایسه شد. احتمال خرابی سازه با در نظر گرفتن متغیرهای تصادفی موجود با استفاده از روش شبیه¬سازی مونت¬کارلو محاسبه شد. همچنین عملکرد محاسباتی الگوریتم جامع ذرات و خفاش و ترکیب این دو در بهینه¬سازی سازه¬ها مورد ارزیابی قرار گرفت تا الگوریتمی که با تعداد تکرار کمتری قادر است به جواب بهینه دست¬یابد شناسایی شود. در پایان این نتیجه به دست آمد که با استفاده از الگوریتم ترکیبی و شبکه عصبی انتشار برگشتی موجکی در زمانی بسیار کوتاه قادر خواهیم بود به حل بهینه با قابلیت اطمینان بالا دست یابیم.