本研究は、二値潜在状態と不完全な二値フィードバックを持つ落ち着きのないバンディット問題（restless bandits）を扱っています。この問題は、センシング誤差を伴う日和見的スペクトラム・アクセス（opportunistic spectrum access）といった実世界の応用に動機付けられています。 研究チームは、信念状態モデル（belief-state model）に対して、部分保存則（Partial Conservation Laws, PCL）に基づいた分析・計算フレームワークを開発しました。このフレームワークは、実状態割引restless bandit問題の検証定理を基盤としており、指数性（indexability）の確立とWhittle指数の評価を可能にします。随伴する確定的スケルトン、再生分解、単語の組合せ論を通じて確率力学を分析し、複数の閾値領域で割引報酬とリソースメトリクスの扱いやすい表現式を得ています。 複数の閾値領域ではPCL指数性条件の完全な検証に成功しており、残りの領域についても効率的な数値計算スキームを導出しました。限界生産性（marginal productivity, MP）指数を計算するこれらのスキームは、条件が満たされるときWhittle指数と一致します。 広範なパラメータ範囲にわたる大規模な計算実験により、これらの条件が問題の領域全体で成立することが強く示唆されました。さらに実験では、MP指数ポリシーが標準的なベンチマークポリシーよりも典型的に優れた性能を示し、多くの場合で大幅な改善が観察されています。