چکیده: رفتار دینامیکی مواد عموماً وابسته به نرخ کرنش می باشد. نرخ کرنش در اکثر مدل های ماده در تغییر شکل های دینامیکی به صورت یک پارامتر مهم وجود دارد و برخی از این مدل ها نظیر جانسون ـ کوک و زریلی ـ آرمسترانگ در بسیاری از نرم افزارهای اجزای محدود در شبیه سازی رفتارهای ماده مورد استفاده قرار می گیرند. این مدل ها دارای ثابت هایی هستند که عمدتاً از طریق آزمایش تعیین می شوند. در این پایان نامه، ثابت های مدل جانسون ـ کوک مورد مطالعه قرار گرفته اند. مدل جانسون ـ کوک دارای 5 ثابت می باشد که با استفاده از آزمایش کشش شبه استاتیکی، میل? هاپکینسون فشاری و آزمایش تیلور به دست می آیند. ضرایب a ، b و n از طریق آزمایش شبه استاتیکی، محاسبه می گردند. ضرایب c و m با استفاده از میل? هاپکینسون اندازه گیری می شوند. هم? این پنج ضریب مجدداً با استفاده از آزمایش تیلور به دست آمده و با مقادیر تعیین شده از آزمایش شبه استاتیکی و میل? هاپکینسون مقایسه می شوند. آزمایش تیلور به صورت آزمایشی و عددی مورد تحقیق قرار می گیرد. در شبیه سازی آزمایش تیلور یک تابع هدف تعریف می شود. این تابع هدف عبارت است از تفاوت پروفیل هندسی نمون? آزمایش شد? تیلور که از آزمایش و شبیه سازی به دست می آیند. این تابع هدف دارای 21 ثابت است. به همین جهت با 21 مجموع? دلخواه از ثابت های a ، b ، n، c و m ، 21 شبیه سازی انجام شده و تابع هدف با استفاده از نتایج آن ها، به دست آمده و سپس با استفاده از روش الگوریتم ژنتیک بهینه سازی گردیده است. مقادیر a ، b ، n، c و m بهینه همان ثابت های مدل جانسون ـ کوک هستند. نتایج به دست آمده، توافق خوبی بین نتایج بهینه سازی از یک سو و نتایج به دست آمده از آزمایش های شبه استاتیکی و هاپکینسون فشاری نشان می دهد. با استفاده از این روند، می توان مطمئن بود که ثابت های به دست آمده از دقت کافی برخوردارند. همچنین، نتایج شبیه سازی ها نشان می دهند که ثابت های c و m خود وابسته به نرخ کرنش هستند. از آنجا که برای اندازه گیری ثابت های مدل ماده، تعداد محدودی آزمایش در نرخ های کرنش معینی صورت می گیرد، با استفاده از شبکه عصبی، می توان این ثابت ها را برای نرخ های کرنشی که در آزمایش مورد استفاده قرار نگرفته اند، تعیین نمود.