Серед різноманітних формулювань задачі оптимального розбиття множин (ОРМ) особливий інтерес становлять динамічні варіанти, де умови оптимізації змінюються з часом. Це зумовлено їхньою актуальністю щодо практичних застосувань. Такі системи часто перебувають в умовах невизначеності внаслідок неточних або неповних вхідних даних, неоднозначних параметрів чи ненадійних математичних описів поведінки системи. У цьому дослідженні створено комплексну математичну та обчислювальну основу для розв’язання динамічних задач ОРМ за умов невизначеності. Даний підхід поєднує теорію оптимального розбиття множин із сучасними методами штучного інтелекту, зокрема нечіткою логікою, теорією нечітких множин і нейронечіткими системами. Запропонований метод передбачає два основні етапи: нейронечітку ідентифікацію для зняття нечіткості за початкових умов задачі; та динамічну оптимізацію розбиття множин на основі уточнених даних. Такий гібридний підхід забезпечує адаптацію стратегій розбиття в режимі реального часу до змінного середовища та умов невизначеності. Потенційні сфери застосування включають кластеризацію, розподіл ресурсів, адаптивне керування, планування мереж і підтримку прийняття рішень у складних динамічних системах. Отримані результати сприяють розвитку стійких та адаптивних моделей у математичній статистиці й дослідженні операцій.