یکی از فرآیند‎های بسیار مهم در صنعت، نورد فولاد در دماهای بالا می‎باشد. ابزار کلیدی در این فرآیند، غلتک‎ها می‎باشند. غلتک‎ها باید توانایی تحمل نیروها و دماهای بالا را داشته باشند. سایش غلتک‎های کاری و پشتیبان تاثیر اساسی در هندسه و تختی ورق‎های تولیدی دارد. شرایط مکانیکی نورد گرم به وسیله متغیرهای متفاوتی مانند گشتاور، سرعت، ضخامت ورق، نسبت کاهش و قطر غلتک محاسبه می‎شود. این اطلاعات به همراه شرایط متالورژیکی، اطلاعات پایه روی شرایط ایجاد کننده سایش را فراهم ساخته است. هدف اصلی در این تحقیق، بیان ارتباط بین برنامه نورد و برنامه ریزی پاس‎ها با پروفیل سایشی غلتک‎ها می‎باشد که توسط شبکه‎های عصبی ارائه گردیده است. در انتها، نتایج منتج از شبکه، برای بهینه‎سازی برنامه نورد و تعیین برنامه جابه‎جایی محوری مورد استفاده قرار گرفت. در این تحقیق ضمن بررسی اجمالی انواع سایش، سایش‎ در غلتک‎های نورد گرم شرح داده شده و سپس به پیش‎بینی پروفیل سایشی بر مبنای روش شبکه‎های عصبی مصنوعی و بهینه‎سازی و ارائه‎ی برنامه نورد به کمک الگوریتم ژنتیک پرداخته شده است. بدین منظور طول غلتک به تعداد مشخصی فاصله تقسیم و برای هر فاصله یک شبکه مجزا تعریف شد. برای تبدیل کلیه شبکه‎های تعریف شده در هر قسمت از طول غلتک به یک شبکه واحد با پارامتر‎های ورودی یکسان و پارامتر خروجی متفاوت، از شبکه عصبی سفارشی استفاده شد. این کار موجب کاهش قابل توجهی در زمان مدلسازی می‎شود. در انتها از این شبکه، مدل ریاضی بر اساس پارامتر‎های موثر استخراج شده و برای بهینه‎سازی برنامه نورد توسط الگوریتم ژنتیک، مورد استفاده قرار گرفت. کلیه عملیات ریاضی در نرم‎افزار matlab 7.8 صورت پذیرفت. استخراج برنامه نورد مناسب برای کمینه نمودن سایش و ایجاد سایش یکنواخت باعث جلوگیری از ایجاد عیوب ابعادی و هندسی شده که این امر در اقتصاد تولید اهمیت بسزایی دارد.تحقیق حاضر بر مبنای داده‎های عملی خطوط نورد گرم کارخانه فولاد سبا انجام شده است. شبکه عصبی به خوبی توانست پروفیل سایشی غلتک‎های جدید را طبق برنامه ارائه شده به آن، پیش‎بینی نماید. الگوریتم ژنتیک نیز برنامه‎های متناسب با درخواست مشتری برای دوره‎ای خاص با قیود مینیمم سازی و یکنواخت سازی سایش ارائه نمود.