智能规划是一门前沿交叉学科，其发展对计算机科学、人工智能、认知科学等产生了重要影响。上世纪90年代，图规划理论和启发式规划方法取得了巨大进展，大部分规划器都采用了规划图和启发式搜索技术;进入21世纪，研究人员越来越注重领域知识和约束条件的运用，并将规划器分成两大类，一类是基于规划图和启发式搜索的领域无关规划器，另一类是基于领域知识的领域约束规划器。目前的研究热点在于将领域无关的启发式搜索技术运用到基于领域知识的领域约束规划中去。　　 本文研究了基于启发式搜索的领域无关规划方法和基于领域知识的领域约束规划方法，分析了各自的优缺点，深入探讨了将领域无关的启发式搜索技术运用到领域约束规划中去的方法。鉴于此，作者在领域约束规划器TLPlan的基础上，改进得出了FFheu2TL规划系统:使用FF式的启发式估价函数和有用动作剪枝技术改进标准的最佳优先(Best-First)搜索算法，得出“Best-First-Helpful-Action”搜索算法，并结合TLPlan中由一阶线性时序逻辑(LTL)表示的领域知识，引导和控制规划进程，有效地降低了搜索空间，提高了规划效率。　　 针对现有规划器主要关注求解过程，而很少对规划解的质量进行优劣分析这一不足，本文提出了基于多目标测量函数的规划解质量测评方法，重点阐述了如何使用倾向控制等软性约束条件和规划时间、规划长度、资源约束等测量依据对规划解的质量进行综合测评和优劣分析。研究发现对规划解的质量进行综合测评非常重要，这可以帮助我们获取质量最优的规划解，从而节省时间、空间或其他资源开销。　　 实验结果表明，相比TLPlan在最佳优先(Best-First)等搜索策略上的糟糕表现，FFheu2TL采用“Best-First-Helpful-Action”搜索策略取得了一定进步。另外，基于多目标测量函数的规划解质量测评方法是可行的，且具有实际意义。