در این رساله، طراحی بهینه سازه ها در برابر قیود فرکانس و همچنین بارهای ناشی از تاریخچه زمانی زلزله با استفاده از روشهای پیشرفته هوش مصنوعی انجام شد. عملیات بهینه‎سازی سازه‎ها، مرکب از دو فرآیند جستجوی فضای طراحی و ارزیابی نقاط جدید با کمک تحلیل سازه می‎باشد. سهم عمده محاسبات در بخش تحلیل سازه متمرکز است. بنابراین تلاش برای کاهش اصولی حجم محاسبات باید در دو سطح مختلف سازماندهی شود. در سطح نخست، باید ساختارهای الگوریتم‎های بهینه‎سازی چنان اصلاح شوند که تعداد سیکلهای لازم جهت حصول حل بهینه کاهش یابند. در سطح دوم، باید نتایج تحلیل سازه تقریب‎سازی شوند بطوریکه فرآیند بهینه‎سازی مستقل از تحلیل دقیق سازه قابل انجام باشد. لذا در این رساله، تکنیکهای هوش مصنوعی در دو حوزه جستجوی فضای طراحی و تقریب‎سازی تحلیل سازه جهت کاهش قابل توجه میزان محاسبات به کار گرفته شده اند. نتایج عددی بدست آمده در این رساله بخوبی بیانگر عملکرد محاسباتی بسیار خوب روشهای ارائه شده در تقلیل قابل ملاحظه زمان کل بهینه سازی سازه ها می باشند. بطور خلاصه می‎توان نتیجه گرفت که: 1.در این رساله الگوریتم‎های بهینه‎سازی و روشهای تقریبسازی هوش مصنوعی جهت بهینه‎سازی سازه‎ها مورد استفاده قرار گرفتند. 2.در این رساله الگوریتم‎های بهینه‎سازی وراثتی استاندارد و اصلاح‎شده و جامعه پرندگان از نوع باینری و مقادیر حقیقی مورد مطالعه قرار گرفته و یک الگوریتم ترکیبی جدید پیشنهاد شد. 3.در این رساله شبکه‎های عصبی تابع بنیادی شعاعی، خودسازمانده، تئوری موجکها و سیستمهای استنتاج فازی مورد مطالعه قرار گرفته و شبکه‎های عصبی جدید تابع بنیادی شعاعی موجکی و سیستمهای عصبی هوشمند جدید ارائه شدند. 4. الگوریتم‎های بهینه‎سازی مذکور و شبکه‎های عصبی جدید تابع بنیادی شعاعی موجکی جهت بهینه‎سازی سازه‎ها در برابر محدودیت فرکانس بکار گرفته شدند و نتایج حاصله بیانگر قابلیتهای بالای محاسباتی این روشها بودند. 5. الگوریتم‎های بهینه‎سازی مذکور و سیستمهای عصبی هوشمند جدید جهت بهینه‎سازی سازه‎ها در برابر زلزله بکار گرفته شدند و نتایج حاصله نشان دهنده قابلیتهای بالای محاسباتی این روشها بودند. 6. در تعدادی از مثالهای بهینه‎سازی سازه‎ها در برابر زلزله فقط از یک زلزله خاص استفاده شد، هرچند که این امر نمی‎تواند کلیت و جامعیت روشهای پیشنهاد شده در این رساله را تحت تاثیر قرار دهد و این روشها قابل اعمال برای هر سازه و هر زلزله‎ای می‎باشد. 7. برای نشان دادن قابلیتهای محاسباتی روشهای پیشنهاد شده در این رساله، یک سازه فولادی بلند با در نظر گرفتن تمام توصیه‎های آیین‎نامه‎ای و در مقابل یک بارگذاری لرزه‎ای واقعی طراحی بهینه شد و نتایج حاصله کاملاً رضایتبخش بودند. 8. سیستمهای عصبی هوشمند دیگری را می‎توان جهت پیش‎بینی پارامترهای دیگر سازه‎ای طراحی کرد. در این رساله این کار با استفاده از شبکه انتشار برگشتی جهت پیش‎بینی رفتار غیرخطی لنگر-انحنا در اتصالات نیمه صلب انجام شد. اما جهت رعایت اختصار در بخش نتایج عددی منعکس نشد. جهت مطالعه نتایج رجوع به مرجع ]102[ توصیه می‎شود.