Proponemos un algoritmo de optimización conjunto que combina el modelo de función radial gaussiana (G-RBF) con parámetro de forma óptimo con técnicas de optimización global y local para mejorar la precisión y reducir costos. Analizamos los factores que afectan la precisión del modelo de función radial gaussiana (G-RBF) y utilizamos el algoritmo de optimización de enjambre de partículas (PSO) para determinar el parámetro de forma óptimo y controlar el número y espaciado de los puntos de muestreo para un modelo de sustitución de alta precisión. La optimización global perfecciona el modelo de sustitución, sirviendo como valor inicial para la optimización local para refinar aún más el problema. Nuestros experimentos muestran que este método reduce significativamente los costos de computación. Optimizamos el tamaño de la sección de vigas en voladizo para diferentes materiales, obteniendo el tamaño de sección y masa óptimos para cada uno. Descubrimos que la aleación de aluminio duro es la elección óptima, cumpliendo con los requisitos de resistencia a la tracción y deflexión a través de la verificación del análisis de elementos finitos. Nuestro trabajo destaca la efectividad del algoritmo de optimización conjunto basado en el modelo de sustitución, proporcionando herramientas valiosas e información para optimizar diversas estructuras.