単一ポリシー更新

LIMID は，単一ポリシー更新（SPU）によって解かれます． SPU は，1度に1つのポリシーを更新し，すべてのポリシーが収束すると（すなわち，それ以上繰り返しが変化をもたらさない）終了する繰り返しアルゴリズムです．通常，このアルゴリズムは，全体的な最適ポリシーを見つけますが，アルゴリズムがローカル・マキシマムから抜け出せなくなる可能性があります． 

決定ノードのために指定された親は，決定がなされるときにどのオブザベーションが考慮されるべきかを決定します．理想的には，我々はすべてのオブザベーションを考慮に入れるように指定するでしょうが，これは実用的ではないかもしれません．なぜなら，ポリシー表のサイズが親の数によって指数的に拡大するからです．したがって，我々は，ポリシー表のサイズを削減するために，決定ノードの親として重要でないオブザベーション（たとえば，古いオブザベーションは通常，新しいオブザベーションより重要性が低い）を指定からよく外します ．

すべての関連する情報が親として指定されていない限り，新しい情報が利用可能になればいつでも，ポリシーを再計算するのに便利でしょう．これは，ポリシーが計算されるとき，計算が（決定ノードの親として指定された未来のオブザベーションに加えて）存在するすべてのオブザベーションを考慮に入れるからです．

エビデンスの伝播と事後分布の計算は，最新の単一ポリシー更新によって計算される戦略のもと（または単一ポリシー更新が実行されなかった場合は，ユーザーが指定した初期戦略のもと）に実行されます．SPU は，入力されたエビデンスが伝播されたことを仮定します．

SPU アルゴリズムは，LIMID内の各確率ノードと決定ノードのステートでの確率分布と期待効用を計算します．

単一ポリシー更新は，実行モードツールバーの 'SPU' ボタンを押して呼び出されます．

図 1: 実行モードツールバーのSPUボタン．