เนื่องจากแผนภาพตัดสินใจทวิภาคเป็นโครงสร้างข้อมูลที่มีประสิทธิภาพสำหรับการแทนฟังก์ชันบูลีนจึงทำให้แผนภาพตัดสินใจทวิภาคถูกใช้อย่างกว้างขวางกับงานต่างๆ ของการออกแบบใช้คอมพิวเตอร์ช่วยแต่ปัญหาหนึ่งที่มักพบในภาพตัดสินใจทวิภาคก็คือ ขนาดของแผนภาพจะขึ้นอยู่กับการเลือกลำดับของตัวแปร ดังนั้นวิธีการหาลำดับของตัวแปรที่ดีจึงเป็นสิ่งสำคัญสำหรับการสร้างแผนภาพตัดสินใจทวิภาคที่มีขนาดเล็ก วิทยานิพนธ์ฉบับนี้ได้นำเสนอวิธีการสร้างแผนภาพตัดสินใจทวิภาค โดยวิธีการที่เสนอจะใช้การเรียนรู้ต้นไม้ตัดสินใจ ซึ่งเป็นเทคนิคหนึ่งของปัญญาประดิษฐ์ สำหรับการหาลำดับตัวแปรเริ่มต้นของแผนภาพตัดสินใจทวิภาค จากนั้นจะลดขนาดแผนภาพตัดสินใจทวิภาคเริ่มต้น ด้วยขั้นตอนวิธีการพัฒนาทีละขั้นที่มีอยู่เดิม เช่น AD2 AD3 AD4 AR ARSA และ SIFTING นอกจากนี้วิทยานิพนธ์ยังได้นำเสนอวิธีการปรับปรุงการเลือกตัวแปรและแผนภาพตัดสินใจทวิภาคที่ใช้ในขั้นตอนวิธีเหล่านี้ด้วย ผลการทดลองกับวงจรวัดเปรียบเทียบสมรรถนะของ MCNC แสดงให้เห็นว่าการสร้างแผนภาพตัดสินใจทวิภาคด้วยวิธีการที่นำเสนอ สามารถให้ขนาดแผนภาพที่เล็กว่าวิธีการใช้ขั้นตอนวิธีการพัฒนาทีละขั้นเพียงอย่างเดียว โดยเฉพาะอย่างยิ่งการสร้างแผนภาพตัดสินใจทวิภาคด้วยวิธีการที่นำเสนอร่วมกับขั้นตอนวิธี SIFTING จะให้ผลดีที่สุดเมื่อเทียบกับขั้นตอนวิธีการพัฒนาทีละขั้นทุกแบบที่กล่าวข้างต้น