金属合金材料采用人工神经网络和田口优化了Al5059/SiC/MoS2复合金材料的工艺参数和实验变量。金属合金材料神经网络模型中使用了5个输入变量和6个输出变量以及27个数据进行训练和测试。金属合金材料输出变量的性能由R2决定，R2为98.12%的表面粗糙度，98.63%的温度，96.98%的径向力，98.54%的进给力，99.34%的材料去除率(MRR)和98.71%的切向力。金属合金材料采用“越小越好”的L27正交组合(三水平五因素)进行田口设计。

金属合金材料结果表明，SiC含量为5%、切削速度为40 rpm、颗粒尺寸为μm、进给量为200 mm/min、切削深度为0.5 mm时，表面粗糙度的最佳信氮比。金属合金材料对于温度，所有值都是相同的，但切割速度是500 rpm。径向力、进给力、材料去除率和切向力是最优值。金属合金材料采用方差分析(ANOVA)研究了工艺变量对质量的显著性和影响。作者报告说，在铣削操作的所有输入参数中，最重要的变量是复合金材料中碳化硅的添加量(wt.%)，其次是进给量、切削深度、切削速度和碳化硅颗粒尺寸。

金属合金材料采用挤压法制备了TiC+Al2O3 + Si3N4增强的Al2219合金。金属合金材料在熔体温度、模具温度、搅拌速度、进料速度和搅拌时间(min)是不同的。为了优化混杂复合金材料的力学性能，采用anfiss -gray wolf优化算法和anfiss - k -nearest neighbor算法进行了统计研究。他们观察到，优化结果预测了获得高力学性能的铝杂化复合金材料最合适的工艺参数，实验和优化结果显示杂化参数和工艺参数的最优组合。