الیاف اکریلیک بخش عمده‏ای از الیاف مصنوعی را تشکیل می‏دهند. این الیاف خصوصیات ویژه و منحصر به فردی دارند، لذا توجه بسیاری از پژوهشگران به آنها جلب گردیده است. بهینه‏سازی و کنترل فرآیند تولید الیاف، تأثیر مستقیم بر روی هزینه، انرژی و زمان تولید دارد. تولید بیشتر با هزینه کمتر و با کیفیت بالا مسئله‏ای است کارخانجات تولید الیاف با آن روبه‎رو هستند. طبیعت فرآیند معمولا بسیار پیچیده است و شامل پارامترهای زیادی است که هر کدام از آنها نیز تأثیر مستقیم بر روی عملکرد سیستم دارد. در طی چند سال گذشته برخی از محققین از تابع‎های چند متغییره برای بهینه‏سازی فرآیندهایی از قبیل پلیمرزاسیون برای کنترل مستقیم بر روی خط تولید استفاده کرده‎اند. اما برای کار با این تابع‏ها نیاز به شخصی با تجربه و مسلط به فرآیند است چرا که در بعضی موارد نسبت به متغییرهای اعمال شده در تابع باید شخص کاربر مستقیما تصمیم گیری کند. اما به تازگی از روش‎های کامپیوتری مانند الگوریتم ژنتیک و شبکه عصبی برای بهینه‏سازی و پیش‏بینی رفتار فرآیندهای شیمیایی استفاده می‎شود و نتایج به دست آمده نیز تا حد بسیار زیادی قابل توجه بوده است. تا کنون تحقیق جامعی بر روی بهینه‏سازی تولید الیاف اکریلیک به روش خشک‏ریسی با استفاده از الگوریتم‏های کامپیوتری انجام نشده است. لذا در این تحقیق سعی شده است با استفاده از روش‎های ذکر شده این امر تحقق یابد. برای پیش‏بینی رفتار فرآیند خشک‏ریسی پارامترهای زیادی از قبیل دمای رشته‏ساز در قالب و اطراف آن، گرانروی محلول، درصد آب، مقدار اسید فرمیک و زمان ماند محلول در راکتور اندازه‏گیری شدند. با در نظر گرفتن شاخص رنگ الیاف تولیدی به عنوان شاخص کیفی محصول و با استفاده از روش‎های آماری پارامترهای اثرگذار بر فرآیند از بین پارامترهای اندازه‏گیری شده انتخاب شدند. در ادامه یک شبکه عصبی طراحی شده تا با استفاده از آن بتوان شاخص کیفی محصول را تخمین زد و از تولید محصول نامطلوب جلوگیری کرد. سپس برای بهینه‏سازی پارامترهای شبکه عصبی از الگوریتم ژنتیک استفاده شده و برای بهینه‏سازی الگوریتم ژنتیک نیز از روش سعی و خطا استفاده شده است. در نهایت شبکه‎ای با دقت بالا برای پیش‏بینی فرآیند خشک‏ریسی الیاف اکریلیک طراحی گردید.