本文研究了经典规划形式化、SAT规划形式化、SAT问题求解算法和领域知识表示与使用等方面，主要的内容有：在研究智能规划概念模型、经典规划模型和因果理论规划模型的理论的基础上，重点论述了基于情景演算、基于规划图和基于因果规划的三种主要的SAT规划形式化方法，以及编码复杂性与优化编码的技术。回顾了SAT问题已有的主要算法及存在的问题，总结了提高算法性能和跳出局部陷井所用的策略或机制。提出了SAT问题的子句权重多项式转换等方法和相应的求解算法SAT-GA。给出了与GSAT和WSAT对比和观察早熟现象的实验结果。为了解决早熟问题，进行了一般遗传算法的可视化实验，说明了局部最优解的吸引作用与早熟的关系，提出了利用吸引作用和强化最优解的吸引作用解决早熟问题策略，并在分析了经典遗传算法框架的一些局限性的基础上，引进了函数逆优化问题、几何相似性、几何相似变换、平台早熟学准则和学习算子等概念，描述了我们提出的基于学习机制的遗传算法理论，扩展了经典遗传算法框架。结合SAT问题特殊知识，提出了子句权重表示启发知识和约束强弱的量化表示方法和基于子句权重学习的SAT-WAGA算法，描述了子句权重学习算子的策略设计和算法描述，提供了性能比较、参数优化和解决早熟效果等等多种目的的实验结果。实验结果表明SAT-WAGA算法能有效解决早熟问题和显著提高性能。提出了领域知识表示和应用策略和在SAT规划器中SAT-WAGA算法与其它算法结合方式。在领域知识的挖掘研究中，提出了并实现了不确定性规划领域的贝叶斯网络学习遗传算法和物流问题中求解最优周游线路规划的双层遗传算法模型，取得了较好的效果。