智能规划是人工智能领域的重要组成部分。近年来,有关智能规划领域的研究取得了重大突破,包括规划求解质量和效率等方面,推动了智能规划领域的发展。然而现今,即使是规划领域里较为先进的启发式规划算法,面对大规模的复杂问题时,依然束手无策,经常会出现求解超时或者求解质量不理想的情况,且现今的通用规划系统不能根据实际需求对求解质量或者求解效率单独提出要求,无法适应特定领域。另一方面,智能规划作为一门实践性较强的领域,在现实中的应用依旧不够广泛,面对现实环境建模时候所需要考虑的复杂因素,制约着智能规划领域在实践上的研究。综上,本文的工作主要围绕两个核心问题,对当前规划领域中先进的启发式求解算法进行扩展,使得规划系统能够根据实际需求提高效率或者求解质量,用以解决特定领域的规划问题,并利用智能规划领域模型解决实际应用问题,具体工作主要分为三部分:1.提出了基于放宽规划图的子目标序列合并方法。该方法从子目标排序算法的角度出发,针对现今规划算法在可纳目标排序上的不足加以改进,并利用规划图算法策略对部分排序后的子目标进行重新合并。此外,本文还将目标排序应用在规划过程的启发式搜索中。通过领域模型的实验,表明了所实现的方法能有效改善规划问题的求解性能和规划质量。2.提出了基于状态相似性的增强爬山搜索算法。该算法对搜索过程中状态间的关系进行分析,提出了“状态相似性”的概念,并给出了形式化定义,通过比较在规划图中同一个不动点层和不同不动点层的状态之间所存在的非相似部分,以此来消除部分启发式计算,提高规划求解的效率,并将其应用在规划过程中。3.提出了基于智能规划技术的电梯调度领域解决方法APED(AI Planning for Elevator Dispatch)方法。该方法针对现今电梯群控调度系统的发展现状和传统电梯系统客流管理模式的特点,将电梯调度与智能规划技术相结合,研究和设计了一套基于目的层预约的新型电梯智能调度系统,用于提高电梯群控系统的运行效率,通过实验证明该电梯群控算法规划模型的可行性。