В дисертаційній роботі розроблено інформаційно-екстремальні методи аналізу і синтезу здатної самонавчатися системи підтримки прийняття рішень (СППР), інтегрованої в автоматизовану систему керування технологічним процесом (АСКТП) вирощування великогабаритних сцинтиляційних монокристалів із розплаву, що функціонує в режимі прогностичного класифікаційного керування. Створено комплекс категорійних моделей, інформаційні критерії оцінки функціональної ефективності та алгоритми лінійної та ієрархічної оптимізації параметрів навчання СППР з гіперсферичними та гіпереліпсоїдними вирішальними правилами. Запропоновано інформаційно-екстремальні методи кластер-аналізу, що дозволяє автоматизувати формування вхідного математичного опису СППР і побудувати чітке розбиття простору ознак на кластери, оптимізувати словник ознак розпізнавання. Розроблено структуру, функції та архітектуру програмного забезпечення інтелектуальної СППР для керування вирощуванням великогабаритних сцинтиляційних монокристалів із розплаву на установці типу "РОСТ".