استفاده از الگوریتم های فرا ابتکاری در دهه های اخیر در زمینه های مختلف مهندسی رشد سریعی داشته است. البته هریک از این الگوریتم ها دارای نقاط قوت و ضعفی است. به همین دلیل مطلوب است که اولا: نقاط ضعف این الگوریتم ها را بهبود بخشید؛ ثانیا: با ترکیب الگوریتم ها از نقاط قوت آن ها در صدد پوشش نقاط ضعف الگوریتم دیگر استفاده کرد. الگوریتم جامعه پرندگان pso سرعت همگرایی بالایی دارد ولی به علت عدم توازن میان جستجوی محلی و سراسری، بعد از چند تکرار دچار روند بهینه یابی بسیار کند و گاهی متوقف می شود. همچنین الگوریتم ژنتیک ga درصورت در اختیار نداشتن جمعیت اولیه مطلوب سرعت همگرایی پایینی دارد ولی اگر جمعیت مناسبی در همان تکرارهای اولیه در اختیار داشته باشد قابلیت بهینه یابی مطلوبی را خواهد داشت. در این مطالعه در راستای رفع مشکل عدم توازن میان جستجوی محلی و سراسری در الگوریتم جامعه ی پرندگان، یک نسخه بهبود یافته از الگوریتم جامعه پرندگان با استفاده از یک حالت حرکت اضافی که شبیه یک عملگر بر حافظه جاری عوامل جستجو می باشد، معرفی شده است. همچنین برای استفاده از قابلیت بهینه یابی مطلوب الگوریتم ژنتیک با در اختیار داشتن جمعیت مناسب در تکرارهای اولیه، الگوریتم جامعه پرندگان و ژنتیک بصورت سری با یکدیگر تلفیق شده اند. بررسی نتایج بهینه یابی این روش ها با چند مثال از قاب های خمشی فولادی دوبعدی مورد مطالعه قرارگرفته و در انتها کارآمدی الگوریتم تلفیقی جامعه پرندگان اصلاح شده – ژنتیک در رسیدن به نتایج بهینه با سایر روش های بهینه یابی مورد مطالعه در این تحقیق مقایسه شده که حاکی از برتری چشمگیر آن است.