智能规划是近几年人工智能领域中的一个研究热点，由于在工业实践以及理论研究有着非常重要的地位，智能规划受到越来越多的学者关注。本文的研究是针对智能规划中一种不确定性规划——conformant规划进行研究的。确定性是一种对客观世界简单化的描述，而生活中许多问题都具有其不确定性，传统经典的智能规划模型已经不能满足现实世界的需求，不确定性规划的出现使得智能规划领域更加贴近于现实。 本文先对现有的智能规划策略进行研究，发现该策略针对确定性领域。主体以领域知识的提取策略为出发点，先把其问题描述的不确定性信念状态转换成为经典的确定性描述，然后深入研究conformant规划中的规划树结构及其信念状态间的关系，提出一种基于conformant规划的规划策略，从而扩展了其规划求解的能力。另外，本文采取了一种特殊的数据结构——规划树来存储规划信息，通过候选谓词的选择指导规划，同时也从崭新的角度提出一种规划求解策略。该策略在处理确定性规划的同时，能更好地兼容处理conformant规划。 最后本文通过实验来展示该规划策略的扩展求解能力。本文在给出的规划策略基础上，采用C语言进行实现，设计了智能规划系统ConformantSBS，并用国际智能规划大赛中的比赛用例对系统进行了验证。实验证明规划系统ConformantSBS能有效地求解conformant规划，在求解效率和求解质量上都有着一定的优势。