diff --git a/lab1/report/report.tex b/lab1/report/report.tex
index ee82edc..5d0dfca 100644
--- a/lab1/report/report.tex
+++ b/lab1/report/report.tex
@@ -522,6 +522,25 @@
         
     \newpage
     \phantom{text}
+    \newpage
+    \phantom{text}
+    \subsection{Анализ результатов}
+    
+    Ключевые наблюдения:
+    \begin{itemize}
+        \item При небольших популяциях ($N=10$) повышение $p_m$ ускоряет поиск; наилучшее время при $p_c=0.5$, $p_m=0.2$ (3.1 мс, 44 пок.).
+        \item Для $N=25$ оптимум при умеренной мутации $p_m\in[0.05,0.10]$; минимум времени при $p_c=0.5$, $p_m=0.05$ (2.2 мс, 16 пок.) — лучшее среди всех экспериментов.
+        \item Для $N=50$ лучшее время при $p_c=0.6$, $p_m=0.01$ (4.6 мс, 19 пок.). Слишком большая мутация ($p_m=0.2$) резко ухудшает результаты.
+        \item Для $N=100$ оптимальны низкие $p_m$; лучший результат при $p_c=0.3$, $p_m=0.001$ (7.6 мс, 16 пок.). При $p_m=0.2$ решение часто не находится за 200 поколений.
+        \item Рост $N$ не гарантирует ускорения: число поколений может уменьшаться, но суммарное время часто растёт из-за большей стоимости одной итерации.
+    \end{itemize}
+    
+    Практические выводы:
+    \begin{itemize}
+        \item Для умеренных затрат времени и стабильной сходимости разумно выбирать $N\approx25\text{--}50$, $p_c\approx0.5\text{--}0.6$, $p_m\approx0.01\text{--}0.05$.
+        \item Оптимальное $p_m$ снижается с ростом $N$: при малых популяциях полезна более агрессивная мутация, при больших — слабая.
+        \item Слишком большие значения $p_m$ и $p_c$ могут разрушать хорошие решения и ухудшать сходимость; стоит избегать $p_m\ge 0.2$ и высоких $p_c$ при больших $N$.
+    \end{itemize}
 
     \newpage
     \section{Ответ на контрольный вопрос}