سازه های فضاکار از جمله سازه های سه بعدی با شکل خاص می باشند. اغلب سازه های فضاکار را می توان به شبکه ها، گنبدها و چلیک ها دسته بندی کرد. شبکه دولایه یک مثال کلاسیک در رابطه با سازه های فضاکار به حساب می آید. با پیشرفت ابزارهای محاسباتی و افزایش سرعت کامپیوترهای پیشرفته، برای ارائه یک محصول قابل رقابت، بحث بهینه سازی یک ابزار لازم الاجرا در پروسه طراحی به حساب می آید. عموماً بهینه سازی سازه ها می تواند در سه شاخه اندازه، شکل هندسی و توپولوژی پیگیری شود. در این مطالعه برای بهینه سازی توپولوژی شبکه ی دولایه و سه لایه دو روش موثر ارائه شده است. روش اول به وسیله ی اصلاح الگوریتم جستجوی گرانشی به دست می آید که mgsa نامیده شده است. روش دوم یک الگوریتم دومرحله ای با نام eso-gps است که حاصل ترکیب روش های بهینه سازی تکاملی (eso) و الگوریتم اجتماع ذرات گرانشی (gps) می باشد. برای رسیدن به الگوریتم mgsa در هر تکرار اجرام برتر شناسایی شده و به عنوان رهبر گروه انتخاب می شوند. دیگر اجرام به صورت تصادفی در این گروه ها قرار می گیرد بطوری که در هر گروه اجرام خوب و بد بصورت تقریباً مشابه موجود باشد. برای رسیدن به موقعیت جدید برای هریک از نمونه ها در این الگوریتم، فقط رهبر گروه می تواند به بقیه اجرام آن گروه نیرو وارد کند. در الگوریتم eso-gps ابتدا توسط الگوریتم eso یک بهینه سازی اندازه برای شبکه دولایه و سه لایه انجام می شود سپس نتایج خروجی eso برای ارتقای الگوریتم gps مورد استفاده قرار می گیرد. الگوریتم gps برای تشخیص توپولوژی بهینه ی سازه های با مقیاس بزرگ و همچنین با متغیرهای گسسته استفاده می¬شود که در آن موقعیت جدید نمونه ها با سرعت جدید pso و شتاب الگوریتم gsa بدست می آید. تابع هدف در بهینه سازی توپولوژی مینیمم کردن وزن سازه تحت قیودی مانند جابه جایی گره ها، تنش حداکثر اعضا و ضریب لاغری اعضا می باشد. همچنین در این مطالعه برای کاهش فضای جستجو یک روش موثر برای تیپ بندی اعضا ارائه شده است. در این استراتژی پروفیل بدست آمده برای هر تیپ حاصل از الگوریتم mgsa یا gsa، برای المان هایی که نیروی داخلی آنها کمتر از یک مقدار مشخص است، یک یا دو شماره کاهش می یابد. در مسائل حل شده بهینه سازی توپولوژی شبکه دولایه و سه لایه توسط الگوریتم های gsa، mgsa، gps، eso-gps بدست آمده است. نتایج عددی نمایان گر موثر بودن الگوریتم mgsa و eso-gps و همچنین بهبود یافتن تیپ بندی سازه با ارائه استراتژی جدید برای تیپ بندی سازه های بزرگ مقیاس، می باشد.

در این پژوهش مطالعه ای برای بدست آوردن پارامترهای مربوط به تعیین شکل ناخالصی های موجود در درون قطعات با روش المان های مرزی و استفاده از شبکه های عصبی انجام گرفته است. با حل مستقیم و معکوس معادلات حاکم بر مسایل الاستواستاتیک با روش المان های مرزی و شبکه عصبی به تشخیص موقعیت ، شکل و خواص ناخالصی در یک جسم جامد همگن ایزوتروپیک دوبعدی پرداخته می شود. ابتدا حل مستقیم معادله تعادل الاستیسیته در دوبعد به روش المان مرزی انجام می گیرد ، به صورتیکه موقعیت، شکل و خواص مکانیکی ناخالصی موجود در دامنه معلوم بوده و جابجایی ها و تراکشن ها روی مرز مجهول می باشند. با انجام شدن حل مستقیم ارتباط بین مرزهای خارجی با مرزهای ناخالصی در قالب ماتریس تاثیر بیان میشود که درآن هر گره روی مرز با سایر نقاط مرزی از لحاظ جابجایی مربوط شده و مقدار جابجایی ها و تراکشن ها روی تمامی مرزها تعیین می گردد. برای حل مساله به صورت معکوس از شبکه های عصبی کمک گرفته می شود. بطوریکه ورودی شبکه جابجایی و تراکشن های مجهول که با شبیه سازی آزمایش کشش ساده اندازه گیری شده روی تمام مرز ها بوده و خروجی شبکه شکل و موقعیت ناخالصی می باشد. برای تعریف بردارهای ورودی و هدف به منظور تغذیه شبکه عصبی ، از جابجایی و تراکشن های مجهول روی مرز که با حل مساله مستقیم الاستواستاتیک دوبعدی بدست آمده به عنوان بردار ورودی و مختصات گره های روی مرز ناخالصی ها و خواص مکانیکی به عنوان بردار هدف در نظر گرفته شده است. از جمله موارد کاربرد این تحقیق می توان به تشخیص ناخالصی هایی که در حین ساخت در قطعات ایجاد شده و همچنین در صنعت ریخته گری اشاره کرد. این روش در مقایسه با روش های تشخیص ساختار داخلی قطعات مثل روش پرتونگاری هزینه بسیار کمتری داشته و می تواند مورد استفاده قرار گیرد.