Заключение. 
Применение мягких вычислений для формирования оптимального подмножества тестов

Полученные в результате исследований результаты показывают высокую эффективность эволюционного подхода к выбору оптимального подмножества ББДТ для псевдослучайных матриц тестов. Однако приведенные выводы требуют проверки при решении практических задачах.

Дальнейшие исследования будут направлены на реализацию алгоритма выбора оптимального подмножества ББДТ с использованием выше сформулированной теоремы, его исследование и на повышение эффективности формирования оптимального подмножества ББДТ путем реализации процедуры редукции критериев при построении оптимального подмножества ББДТ для решения задач принятия решений на основе тестового распознавания образов.

Литература

• 1. Naidenova R.A., Plaksin M.V., Shagalov V.L. Inductive inferring all good classification test // Труды конференции «Знание-Диалог-Решение». -Т.1, 1995. — С.79−84.
• 2. Янковская А. Е. Тестовое распознавание образов с использованием генетических алгоритмов // Труды конференции «Распознавание образов и анализ изображений: новые информационные технологии» (РОАИ-4−98). -Ч. I. — Новосибирск, 1998. — С.195−199.
• 3. Yankovskaya A.E. Test Pattern Recognition with the Use of Genetic Algorithms // Pattern Recognition and Image Analysis, vol.9. -no.1, 1999. -P.121−123.
• 4. Yankovskaya A.E., Bleikher A.M. Optimization of tests synthesis on the base of descent algorithms with the use of genetic transformations // Radioelectronics & Informatics. -no.3(24), 2003. -P.51−55.
• 5. Yankovskaya A. E, Tsoy Y.R. Optimization of a set of tests selection satisfying the criteria prescribed using compensatory genetic algorithm // Proc. of IEEE East-West Design & Test Workshop (EWDTW'05) Odessa, Ukraine, September, 2005 — Kharkov: SPD FL Stepanov V.V. — P.123−126.
• 6. Янковская А. Е. Построение логических тестов с заданными свойствами и логико-комбинаторное распознавание на них // Тезисы докладов конференции ИОИ-2002. — Симферополь, 2002. — С.100−102.
• 7. Yankovskaya A.E., Mozheiko V.I. Optimization of a set of tests selection satisfying the criteria prescribed // 7th Int. Conf. PRIA-7−2004. Conf. Proc. Vol. I. — St. Petersburg: SPbETU 2004. — P.145−148.
• 8. Колесникова С. И., Можейко В. И., Цой Ю. Р., Янковская А. Е. Алгоритмы выбора оптимального множества безызбыточных диагностических тестов в интеллектуальных системах поддержки принятия решений // Первая международная конференция САИТ-2005: Т.1. — М.: КомКнига, 2005. — С.256−262.
• 9. Журавлев Ю. И., Гуревич И. Б. Распознавание образов и анализ изображений // Искусственный интеллект: В 3-х кн. Кн.2. Модели и методы: Справочник / Под ред. Д. А. Поспелова. М.: Радио и связь, 1990. — С.149−191.
• 10. Янковская А. Е., Цой Ю. Р. Исследование эффективности генетического поиска оптимального подмножества безызбыточных тестов для принятия решений // Искусственный интеллект. Научно-теоретический журнал, 2006. -С.257−260.
• 11. Цой Ю. Р., Янковская А. Е. Генетический алгоритм и его модификация для формирования оптимального подмножества тестов // Труды 11-й национальной конференции по искусственному интеллекту с международным участием (КИИ-2008). — Дубна, 28 сентября — 3 октября 2008. — Москва: ЛЕНАНД, 2008 — Т.3. — С.58−65.