روش ریخته گری سطح شیبدار مبتنی بر روش های حالت نیمه جامد- مایع است که به دلیل بر خورداری از تکنولوزی ساده و تجهیزات ارزان و توانایی تولید شمش ها با ابعاد متفاوت در سالهای اخیر مورد توجه قرار گرفته است. در این پژوهش با انجام تست های متعدد آزمایشگاهی، تاثیر پارامترهای دمای بارریزی، دمای قالب، طول و زاویه سطح شیبدار، با ثابت گرفتن سایر پارامترهای موثر، بر ریزساختار شمش های تولید شده از آلیاژ آلومینیم 356 aبررسی شد. سپس با کمک الگوریتم ژنتیک بر مبنای شبکه عصبی، پارامترهای ذکر شده جهت دستیابی به بهترین ریزساختار از لحاظ اندازه و توزیع ذرات فاز ?-al موجود در آلیاژ نیمه جامد فلزی، بهینه شده اند. شبکه عصبی به عنوان یک ابزار قدرتمند در ارتباط دادن بین متغیر های ورودی و خروجی جهت مدل کردن فرآیند مورد استفاده قرار گرفت. جهت ایجاد شبکه عصبی از نتایج تست های آزمایشگاهی استفاده شد. این شبکه در مرحله بعد به عنوان تابع هدف در الگوریتم ژنتیک مورد استفاده قرار گرفت. در نهایت از الگوریتم ژنتیک برای به دست آوردن پارامترهای ورودی بهینه، به منظور دستیابی به بهترین ریزساختار، استفاده گردید. نتایج تطا بق خوب بین الگوریتم ژنتیک بر مبنای شبکه عصبی و تست آزمایشگاهی انجام شده با کمک پارامتر های بهینه را نشان می دهد.