最佳分类/Rypka 方法/示例/应用
虽然以下示例缺乏对优化的直观理解，但它很好地展示了优化如何减少查询次数。虽然最佳分类方法对于减少手动识别所需的查询次数非常有利，但自动识别可能更适合使用神经网络。
指定区域（特征）用于对所有国旗（元素）的背景颜色（状态）进行采样。
叠加用于确定每个国旗的每个区域的颜色，并将颜色记录在表格中作为区域的逻辑状态。然后将表格数据提交给优化程序并进行处理，直到获得最佳经验分离值。FLAGS/LOC,A,B,C,D,E,F,G,H,I BELGIUM,BLACK,YELLOW,ORANGE,BLACK,YELLOW,ORANGE,BLACK,YELLOW,ORANGE FRANCE,BLUE,WHITE,RED,BLUE,WHITE,RED,BLUE,WHITE,RED GERMANY,BLACK,BLACK,BLACK,RED,RED,RED,YELLOW,YELLOW,YELLOW IRELAND,GREEN,WHITE,ORANGE,GREEN,WHITE,ORANGE,GREEN,WHITE,ORANGE ITALY,GREEN,WHITE,RED,GREEN,WHITE,RED,GREEN,WHITE,RED JAPAN,WHITE,WHITE,WHITE,WHITE,RED,WHITE,WHITE,WHITE,WHITE LUXEMBOURG,RED,RED,RED,WHITE,WHITE,WHITE,BABY,BABY,BABY NETHERLANDS,RED,RED,RED,WHITE,WHITE,WHITE,BLUE,BLUE,BLUE SPAIN,RED,RED,RED,YELLOW,YELLOW,YELLOW,RED,RED,RED HELIGOLAND,GREEN,GREEN,GREEN,RED,RED,RED,WHITE,WHITE,WHITE
从区域“A”开始，查询从询问国旗该区域的颜色开始。假设我们手中有荷兰国旗。关于区域“A”的第一个查询的答案是红色，这将从进一步的考虑中删除 2/3 的国旗。对于区域“B”颜色的下一个查询将是红色，这将无法消除任何剩余的国旗。事实上，由于“D”、“E”和“F”列的颜色对于每个剩余的国旗都是相同的，因此我们将无法消除任何剩余的国旗，直到“G”列，在那里蓝色将为最终必要的查询提供一个唯一的答案。在此，除荷兰国旗外的所有剩余国旗将从进一步的考虑中删除。因此，使用系统查询方法，至少需要七个查询才能确定我们手中的国旗属于荷兰。
优化结果如上所示，包括理论和经验百分比的列表。原始特征序列在最下面一行索引。从区域“G”开始，查询从询问国旗该区域的颜色开始。假设我们手中有爱尔兰国旗。对第一个查询的答案将是绿色。下一个查询是区域“F”的颜色，我们回答橙色。由于没有其他国旗在这些区域具有绿色和橙色的组合，因此我们的查询可以在此结束。该方法通过优化特征顺序，最大程度地减少了识别国旗所需的查询次数。（请注意，可能存在多个最小解。）
