经典智能规划要求智能体对规划世界的知识是完全的,规划过程中动作的效果是确定的,但现实世界中得到的信息往往是不完全、不确定的。为了满足智能规划技术应用于实践中的目的,对具有不完全信息和不确定效果的规划问题的研究已逐步深入。概率方法能较准确地对不确定信息进行定量的描述,更适合于求解现实世界中的规划问题。目前已发展了许多求解概率规划问题的算法,但这些算法都是针对于某个单目标求解最优规划,它们忽略了其它目标或对其它目标进行人为的假定,而在实际应用中往往需要求解的都是多目标规划问题,因此研究多目标概率规划具有十分重要的意义。本文的主要工作:给出了多目标概率规划的问题模型定义,将多目标优化问题转化成Markov决策过程下的优化问题进行求解;把多目标优化的方法引入到概率规划中,这两种方法的结合是一项很困难的工作,这里我们采用多目标优化理论中基本解法构造针对多个目标的评价函数,利用权值系数等参数描述不同目标之间的优先次序及偏重程度等;本文提出了mLDFS、mHDP以及mLDFS算法,这些算法针对单目标的概率规划求解算法的不足之处进行了弥补,利用多目标评价函数对其进行改进,使其能有效的处理多目标概率规划问题。本文将mLRTDP、mHDP和mLDFS算法作为核心算法,利用C++语言对算法进行实现,设计出多目标的概率规划系统—MOPP,实验证明系统可以达到预期的理论效果。该系统的开发拓宽了概率规划的应用领域,使概率规划更适合于求解现实世界中的规划问题。