در سال های اخیر، پیچیدگی روزافزون مسائل بهینه سازی، لزوم استفاده از الگوریتم های فراکاوشی را محسوس تر می نماید. دراغلب موارد، با مسائل بهینه سازی غیرخطی با توابع هدف و قیدهای پیچیده مواجه هستیم. یکی از روش های حل، استفاده از الگوریتم های جستجوی مستقیم می باشد. این روش ها، زمانی که اطلاعات گرادیان تابع هدف در دسترس نباشد و یا محاسبه ی گرادیان تابع هدف و قیدهای مسئله پیچیده باشد، به کار گرفته می شوند. این الگوریتم ها، از جستجوی خطی بهره می برند که جستجویی هوشمندانه برای یافتن نقطه ی مینیمم است. در این مطالعه، الگوریتم های ژنتیک، جامعه پرندگان (pso) و مورچگان (ant) ، هرکدام در ترکیب با دو تکنیک جستجوی مستقیم، به منظور بهبود همگرایی و نسبت دقت مسائل بهینه سازی، مورد مطالعه قرار می گیرد. اولین تکنیک جستجوی مستقیم، روش تکامل تفاضلی است. استفاده از اطلاعات اندازه گام و جهت از جمعیت فعلی برای پیش بردن عملیات جست و جو، آن را از سایر الگوریتم های تکاملی متمایز کرده است. عملگرهای پیوند و جهش در الگوریتم ژنتیک با عملگرهای جهش و تولید مثل در این روش جایگزین می شوند. تکنیک دیگر، روش box است که برای حل مسائل با توابع هدف غیرخطی و قیدهای نامساوی به کار گرفته می شود. فرضیه ی اصلی این روش این است که قیدهای نامساوی، یک منطقه ی محدب را تعریف کنند. در مطالعه ی اخیرالگوریتم های فراکاوشی ترکیب یافته برای مسائل بهینه سازی سازه های خرپایی تحت قیود تنش و تغییرمکان، به کارگرفته می شوند و دقت مسائل در محیط های پیوسته وگسسته، با الگوریتم های معمولی بررسی می گردد.