چکیده: در حال حاضر بیشتر مطالعات و پژوهش ها در زمینه بهینه سازی توپولوژی تحت بارهای استاتیکی می باشد، اگر چه در دنیای واقعی نیروها ماهیت دینامیکی دارند. اگر این سازه ها تحت بارهای دینامیکی قرار بگیرند تنش ها و تغییر شکل های پیش بینی نشده ای در آن ها به وجود خواهد آمد. در دنیای واقعی اکثر بارها به صورت دینامیکی به سازه ها اعمال می شوند. بنابراین لازم است تحلیل و طراحی بر مبنای بارهای دینامیکی نیز صورت گیرد. لازم است سازه ها تحت بارهای دینامیکی نیز بهینه سازی شوند تا رفتار واقعی سازه بهتر مدل شود. بارگذاری دینامیکی اثر بسیار متفاوتی بر پاسخ سازه می گذارد، هرچه فرکانس بار اعمالی نسبت به فرکانس سازه بیشتر باشد، بار اعمالی اثر متفاوت تری نسبت به حالت استاتیکی بر سازه خواهد داشت. روش بهینه سازی تکاملی سازه ((ESO بر اساس یک ایده ساده استوار است که در آن با حذف تدریجی مواد ناکارآمد از دامنه طراحی به سازه بهینه دست می یابد. به طور کلی نتایج بدست آمده با استفاده از این روش به احتمال زیاد محلی بوده که برخلاف طرح بهینه ای است که از بهینگی کلی بدست می آید. در این تحقیق روش ژنتیک الگوریتم (GA) با روش ESO ترکیب شده و روش جدیدی به نام (GESO) بوجود می-آید، که از رفتار عالی روش GA درجستجوی بهینگی کلی بهره می برد. در این روش هر المان توسط تحلیل اجزا محدود به شکل یک فرد در نظر گرفته شده و مقدار برازندگی آن با توجه به بزرگی اعداد حساسیت بدست می آید. سپس تمامی المان ها در دامنه اولیه کل جمعیت در GA را تشکیل می دهد. پس از چند نسل، با همگرایی المان های باقی مانده به سمت بهینگی نهایی شاهد شباهت بیشتری با بهینگی کلی نسبت به روش ESO خواهیم بود. این عمل با اضافه کردن عملگرهای الگوریتم ژنتیک، نظیر Mutation، Crossover به ESO انجام می گیرد. در واقع با این کار، الگوریتم تکاملی جدیدی به نام GESO به وجود می آید که قدرت آن در جستجوی پاسخ های کلی، به مراتب بالاتر از ESO می باشد.