تاکنون تحقیقات بسیاری بر روی بهینه یابی خرپاها انجام شده است، که عموماً به یکی از سه دسته ی بهینه-یابی مقاطع، شکل، یا توپولوژی خرپاها محدود می شوند. از این میان تعداد انگشت شماری از این تحقیق ها به بهینه یابی هر سه دسته از مسائل بهینه یابی خرپاها در یک مسئله پرداختند. تحقیق حاضر با استفاده از راهکارهایی جدید، این امکان را به وجود آورد تا با استفاده از الگوریتم ژنتیک، هر سه دسته از مسائل بهینه-یابی را در روند طراحی خرپاها در نظر بگیریم. این توانایی با بهبود روند تولید مثل، و رفع مشکلات مربوط به تشخیص ناپایداری ها در فرزندان ایجاد شد. در حالت عادی تشخیص و رفع ناپایداری ها نیاز به صرف هزینه-های محاسباتی بالایی دارد. که دلیل اصلی اندک بودن تحقیق هایی با ویژگی های مشابهرا شامل می شود. سپس جهت در نظر گرفتن وزن قسمت خمشی در فرایند بهینه یابی سازه، اقدام به ساخت شبکه ای عصبی بر روی مسئله شد. از این شبکه برای شناخت نقش زیرسازه ها در تعیین مقدار وزن سازه کلی استفاده شد. همچنین از این شبکه می توان برای بررسی تاثیریکه متغیرهای طراحی بر روی سازه ی بهینه دارند استفاده نمود. از جمله ی این متغیرها می توان به میزان تناسب بین دهانه ها در تیرها، و یا مقدار نسبت ارتفاع مجاز خرپا دهانه ی خرپا اشاره نمود.برخی از این متغیرها همچون تعداد مفصل های سازنده خرپا، تاثیر محسوسی بر وزن نهایی خرپا نداشتند و برخی دیگر مانند طول دهانه تیر در تعیین شکل و وزن نهایی تاثیر بسزایی داشتند. بررسی اهمیت و میزان تاثیر بهینه سازی در زیرسازه ها، بر روی کاهش وزن کل سازه نیز از نتایج ساخت این شبکه بود، هرچه دهانه بزرگتر باشد بهینه یابی تیر مهمتر می گردد و برعکس با کوچک شدن دهانه شکل خرپا تعیین کننده ی اصلی شکل سازه ی بهینه می باشد. همچنین مشاهده گشت، هرچه در تعریف شکل سازه ای متغیرهای بیشتری موجود باشد. موفقیت آن سازه در کوچکتر نگاه داشتن وزن خود به مراتب بیشتر است. از دیگر ویژگی های این شبکه، قابلیت استفاده از آن برای گسترش دامنه ی تحقیقات، برای جستجوی موثرتر نقطه ی بهینه در سازه ی کلی، با استفاده از یک الگوریتم کنترل می باشد.