Co Evolutionary Structural Design(CESD) Framework is presented, which can deal with the load design and structural topology design simultaneously. The load design here is the exploration algorithm that finds the critical load patterns of the given structure. In general, the load pattern is a crucial factor in determining the structural topology and being selected from the experts어 intuition and experience. However, if any of the critical load patterns would be excluded during the process of problem formation, the solution structure might show inadequate performance under the load pattern. Otherwise if some reinforcement method such as safety factor method would be utilized, the solution structure could result in inefficient conservativeness. On the other hand, the CESD has the ability of automatically finding the most critical load patterns and can help the structural solution evolve into the robust design. The CESD is made up of a load design discipline and a structural topology design discipline both of which have the fully coupled relation each other. This coupling is resolved iteratively until the resultant solution can resist against all the possible load patterns and both disciplines evolve into the solution structure with the mutual help or competition. To verify the usefulness of this approach, the 10 bar truss and the jacket type offshore structure are presented. SORA(Sequential Optimization & Reliability Assessment) is adopted in CESD as a probabilistic optimization methodology, and its usefulness in decreasing the computational cost is verified also.

구조설계 과정에서 설계대안을 효율적으로 생성하여 평가하면서, 특히 다목적 환경 속에서 최적구조의 위상과 부재의 치수까지 동시에 결정할 수 있는 새로운 방식을 제시하고자 한다. 설계자가 설계대안을 생성하기 위해 설계자의 경험과 노하우를 체계적으로 구축해 놓고 이를 적절한 시기에 활용할 수 있게 하는 방법으로는 인공지능 기술의 하나인 사례기반 추론 기법을 사용하였다. 이와 더불어, 설계대안들 간의 효율적인 비교와 평가를 위해서 구조물의 계층적인 면을 고려한 새로운 유전적인 표현법을 개발하였다. 여기에 기존의 유전적 표현법을 변경시켜 생긴 여분의 효과와 계층적인 특징을 가지는 Structured Genetic Algorithm(StrGA)를 변형시켜서 사례기반 추론에 의해 생성된 설계대안들을 표현하였다. 일반적인 구조설계 과정에서는 구조물을 평가하는 기준이 여러 개가 존재하므로, 모든 대안들을 동시에 최적화 하는 과정에 Multicriteria Optimization for Genetic Algorithm(MOGA)를 병합하였다. 본 논문에서는 인공지능 기술을 이용하여 구조물의 위상설계를 할 수 있는 새로운 방법을 제안하여 그 유용성을 truss 설계문제에 대해 검토하였다.