智能规划（intelligent planning）在实际应用中所起的作用越来越重要，譬如，智能调度、医疗辅助等，在提高人们工作效率方面起了非常重要的作用。然而，智能规划的应用要求人工建立领域描述（domain description），包括谓词描述、动作模型描述等。这些“人工”的工作是非常耗时和困难的，它已经成为智能规划得到广泛应用的瓶颈。本文的研究试图在一定程度上解决这个瓶颈，即：研究建立出算法框架（algorithm frameworks），以自动建立领域描述作为目标，实现智能规划应用的“自动化”，减少人为的工作。与前人的工作相比，本文主要研究学习出表达能力更强的动作模型，譬如，具有量词（quantifier）、数值变量等的动作模型，进一步推动智能规划的应用。通过实验，我们说明了本文的算法框架是有效的。 本文试图将学习得到的动作模型应用于软件工程——软件需求获取，进一步推动软件工程的“自动化”。软件需求获取是软件开发过程的一个重要组成部分，是软件工程中耗费人力最多的一个环节。实现软件需求获取的“自动化”，将大大的减轻人为的工作。迄今为止，已经出现了很多需求获取方法，从最初的非形式化、半形式化方法，到目前的形式化方法。虽然目前的形式化方法能够很好的描述需求，但是这些方法要求软件人员足够“聪明”，能够利用形式化方法全面准确的描述需求。这对于软件人员来说是困难的。所以，本文将动作模型学习应用于软件需求获取过程，以减少人力开销。实验说明，将动作模型学习应用于软件工程是有效的。