در این مطالعات خواص
ترموفیزیکی هدایت حرارتی و ویسکوزیته یک نانوسیال روغن موتور با استفاده از داده‌های
تجربی و شبکه عصبی مصنوعی مورد بررسی قرار
گرفت. به منظور بیشینه هدایت حرارتی و کمینه ویسکوزیته با تغییرات دما و کسر حجمی
نانوسیال از الگوریتم بهینه‌سازی NSGA-II
استفاده شده است. همچنین برای بدست آوردن مقادیر ویسکوزیته و هدایت حرارتی بر حسب
دما و کسر حجمی نانوسیال با در اختیار داشتن 174 داده‌های تجربی، مدلسازی شبکه عصبی
مصنوعی صورت گرفت. داده‌های ورودی شامل دما و کسر حجمی می‌باشد و خروجی میزان ویسکوزیته و هدایت حرارتی
می‌باشد. برای بررسی دقت مدلسازی در پیش بینی ویسکوزیته و هدایت حرارتی نانوسیال
از شاخص‌های مختلفی ازجمله R-squared
و جذر میانگین مربعات خطا (MSE)
استفاده شده است. ضریب تعیین رابطه (R-squared)
برابر 0.9989 می‌باشد که نشان از تطابق قابل‌قبول رابطه پیشنهادی با داده‌های
تجربی می‌باشد. به منظور بهینه سازی، درنهایت نتایج حاصله
به عنوان تابع هدف به الگوریتم بهینه‌سازی داده شده است و جبهه پارتو (pareto-front) و نقاط بهینه متناظر با آن ارائه شده است.
نتایج بهینه نشان داد که بیشینه ضریب هدایت حرارتی و ویسکوزیته بهینه در کسری حجمی
%1 رخ می‌دهد.