در مسائل طراحی، در نظر گرفتن چند هدف به صورت هم زمان می تواند تعریف بهتری از عملکرد سازه ارائه کند. از سوی دیگر در بهینه سازی های تک هدفه، گزینه های انتخاب برای طراح محدود است، به همین علت استفاده از بهینه سازی چندهدفه توصیه می شود. چالش اصلی در بهینه سازی چندهدفه ی سازه ها و به طورکلی مسائل مقید، نحوه ی اعمال قیود در الگوریتم است. راهکار متداول برای اعمال قیود در بیشتر الگوریتم های چندهدفه، حذف پاسخ های نقض کننده ی قیود و یا حذف این پاسخ ها در رقابت با پاسخ های ممکن است. این امر می تواند موجب از دست دادن پاسخی از مجموعه ی بهینه ی پارتو شود که در نزدیکی یک پاسخ نقض کننده ی قیود قرار دارد. همچنین به دلیل وجود پاسخ های متنوع در فضای متغیرهای تصمیم مسائل چندهدفه، استفاده ی مستقیم از روش تابع جریمه در الگوریتم های چندهدفه نتایج مطلوبی را در پی ندارد. در این تحقیق برای یک الگوریتم چندهدفه ی تکاملی، از نظریه ی مجموعه فازی جهت تقویت بهینه سازی کمک گرفته شده است. به کارگیری الگوریتم وراثتی با رتبه بندی نامغلوب به همراه راهکار فازی سازی قیود و توابع هدف، موجب حفظ پاسخ های ناممکن با مقادیر پایین تجاوز از قید ها می شود. در نتیجه ی این روند، همگرایی به بهینه ی پارتو افزایش می یابد. هر چند عملکرد اصلی این روش در مسائل مقید است، اما در مسائل نامقید نیز با فازی سازی اهداف و محدود شدن فضای جستجو، پاسخ های نهایی بهبود می یابند. برای نمایش کارایی این روش ، علاوه بر به کار گیری توابع آزمون برای مسائل نامقید، سه مثال سازه ای شامل خرپای 25 عضوی، گنبد خرپایی56 عضوی و خرپای 72 عضوی در دو حالت 16 و 28 گروه عضو با دو تابع هدف بررسی شده است. نتایج نشان می دهد علاوه بر عدم نقض قیود، میزان اختلاف جبهه پاسخ نهایی و جبهه معیار در تمام مثال ها کاهش یافته است. همچنین با اعمال روش ارائه شده گستردگی، یکنواختی و تعداد پاسخ ها در جبهه پاسخ های نامغلوب در بیشتر موارد بهبود می یابد.