智能规划是人工智能的重要研究领域之一。用启发式搜索技术求解智能规划问题成为近年来的研究热点。“快速前向规划系统”(FF)是启发式搜索技术应用于规划领域的一个成功范例。FF通过忽略动作的删除效果,使用放松图规划(relaxed Graphplan)提供的启发信息引导加强爬山算法(Enforced Hill-climbing),在STRIPS规划域中显示出优异的性能。在ADL域,FF使用IPP方法处理带有条件效果的动作。这样的处理方法导致放松图规划引导的加强爬山算法在ADL域求解时经常失败。本文指出,此问题的原因在于放松图规划无法处理组件之间存在的诱导关系从而不能提供足够的有用动作。我们设计了DPR-NCEPGFF智能规划系统,以解决发现的问题。DPR-NCEPGFF采用一个我们称之为在朴素的条件效果规划图上进行延迟部分推理(DPR-NCEPG)的方法提取启发信息。在此方法中,我们虽然考虑所有动作的删除效果,但是只计算动作的组件之间限定范围内的诱导组件互斥关系。初步的实验结果显示,在ADL域,加强爬山算法在DPR-NCEPG的引导下,求解的质量和求解的速度都明显提高。目前的启发函数设计思想大都基于完全忽略动作的删除效果。本文的工作指出,即使考虑动作的一部分删除效果,也可以有助于提高启发函数对于搜索的引导效率。本文的工作有助于提高依赖于剪枝技术的启发式状态空间搜索规划器在ADL域问题上的求解能力。