موتورهای احتراق داخلی به دلیل داشتن بازده و قدرت بالا نسبت به وزن و حجم شان کاربرد فراوانی در بخش خودروسازی و سایر صنایع دارند. امروزه به دلیل مسائل حاد انرژی و زیست محیطی تحقیقات فراوانی برای افزایش بازده و کاهش آلاینده های منتشره از این موتورها صورت می گیرد. در پژوهش حاضر نیز، از ترکیب روش شبکه عصبی مصنوعی با الگوریتم بهینه سازی رقابت استعماری (ica) برای مدلسازی و بهینه سازی در موتور اشتعال تراکمی پاشش مستقیم om355، با هدف کاهش آلاینده nox در حالت بیشینه بازده موتور استفاده شده است. برای این منظور، نخست از یک شبکه عصبی مصنوعی پرسپترونی چندلایه با الگوریتم آموزشی لونبرگ مارگوارت (trainlm) برای مدلسازی ارتباط بین پارامترهای عملکردیِ، دور موتور، دمای هوای ورودی، نسبت هوا به سوخت و جرم سوخت پاشیده شده با پارامترهای خروجی، آلایندهnox و بازده موتور استفاده شده است؛ که نتایج حاصل در مقایسه با 280 داده تجربی موجود، مطابقت خوبی را نشان می دهد. سپس با استفاده از الگوریتم رقابت استعماری به بهینه-سازی نتایج حاصل از مدلسازی پرداخته شده و نهایتاً مقادیر بهینه پارامترهای عملکردی بدست می آید. مقایسه این نتایج با منحنی عملکرد موتور و نتایج تجربی تطابق خوبی را نشان می دهد. همچنین، روش ica همگرایی بسیار سریع تر (کمتر از 50 تکرار) و یکنواخت تری نسبت به الگوریتم های فراابتکاری مورچگان و ژنتیک و pso دارد. بنایراین می توان از روش ترکیب شبکه های عصبی مصنوعی با الگوریتم ica به عنوان روشی مناسب در سیستم های کنترلی موتورها برای کاهش آلاینده nox در حالت بیشینه بازده موتور در موتورهای ci استفاده کرد.