智能规划的研究是人工智能研究领域的一个重要分支,在具体的实际应用中具有重要的意义。虽然基于模型检测的规划方法发展时间不长,但是可以用其来解决很多问题,例如求解不确定规划领域的规划问题,现在已成为了一个重要的研究领域。由于动作的不确定性,已有的用来求不确定的状态转移系统的弱规划解、强规划解的方法都是采取从目标状态开始进行搜索的反向搜索方法,但是如何提高求解的效率一直是研究的难点;对于带权值的不确定的规划领域,求其最小权值规划解是一类数值规划问题,因其具有重大实际应用意义也成为研究的重点。本文针对以上问题,使用基于模型检测的规划方法,研究不确定规划领域的强规划和弱规划问题,取得了以下研究成果:1.提出了一种正向搜索方法用以求不确定规划领域的强规划解、弱规划解。本文分析参考文献[1]提出的反向搜索方法求不确定的状态转移系统的强规划解、弱规划解的算法,并以实例分析指出了其中的不足之处;反向搜索算法在搜索强规划解、弱规划解时,需要重复搜索大量的状态动作序偶,且对于许多不构成或者可以不参与构成强规划解、弱规划解的状态动作序偶,也需要进行搜索,如果在搜索规划解的过程中,能够避免搜索这些不能构成或者可以不参与构成强规划解、弱规划解的状态动作序偶,则可以极大的提高求强规划解、弱规划解的效率。本文设计了对不确定的状态转移系统的状态按照距离目标状态的远近关系进行分层的方法;进行分层预处理之后的系统,可以删除掉大量对求强规划解、弱规划解无帮助的状态动作序偶;在此基础上,设计了使用正向搜索方法求强规划解、弱规划解的算法,并设计了相关的实验。从对实验结果的分析可知,正向搜索方法能正确且有效的求不确定的状态转移系统的强规划解、弱规划解,且求解效率比反向搜索算法有很大提高。2.提出了一种求最小权值强规划解、最小权值弱规划解的方法。本文对不确定的状态转移系统的动作赋予权值,则不确定的状态转移系统的强规划解、弱规划解具有总代价值,本文提出了最小权值强规划解、最小权值弱规划解的概念。求最小权值强规划解、最小权值弱规划解是一类数值规划问题,具有十分重要的实际意义,对应于在客观世界中求解耗能最小的一类优化问题。本文设计了求最小权值强规划解、最小权值弱规划解的算法,并设计了相关的实验,从对实验结果的分析可知,算法能够有效的、正确的求最小权值强规划解、最小权值弱规划解。