金屬合金材料采用人工神經網絡和田口優化了Al5059/SiC/MoS2復合金材料的工藝參數和實驗變量。金屬合金材料神經網絡模型中使用了5個輸入變量和6個輸出變量以及27個數據進行訓練和測試。金屬合金材料輸出變量的性能由R2決定，R2為98.12%的表面粗糙度，98.63%的溫度，96.98%的徑向力，98.54%的進給力，99.34%的材料去除率(MRR)和98.71%的切向力。金屬合金材料采用“越小越好”的L27正交組合(三水平五因素)進行田口設計。

金屬合金材料結果表明，SiC含量為5%、切削速度為40 rpm、顆粒尺寸為μm、進給量為200 mm/min、切削深度為0.5 mm時，表面粗糙度的最佳信氮比。金屬合金材料對于溫度，所有值都是相同的，但切割速度是500 rpm。徑向力、進給力、材料去除率和切向力是最優值。金屬合金材料采用方差分析(ANOVA)研究了工藝變量對質量的顯著性和影響。作者報告說，在銑削操作的所有輸入參數中，最重要的變量是復合金材料中碳化硅的添加量(wt.%)，其次是進給量、切削深度、切削速度和碳化硅顆粒尺寸。

金屬合金材料采用擠壓法制備了TiC+Al2O3 + Si3N4增強的Al2219合金。金屬合金材料在熔體溫度、模具溫度、攪拌速度、進料速度和攪拌時間(min)是不同的。為了優化混雜復合金材料的力學性能，采用anfiss -gray wolf優化算法和anfiss - k -nearest neighbor算法進行了統計研究。他們觀察到，優化結果預測了獲得高力學性能的鋁雜化復合金材料最合適的工藝參數，實驗和優化結果顯示雜化參數和工藝參數的最優組合。