智能规划是人工智能研究领域近年来发展起来的一个热门分支，理论研究和实际应用都成为人工智能当前的热点。本文首先分析研究目前智能规划领域中的典型方法和关键技术，并对规划中的学习，特别是动作模型学习的研究进行了深入讨论。 在中间状态未知的假设下学习动作模型在很多现实的应用中有重要的研究意义。本文正是在这假设下，利用遗传算法，从不完整的领域描述扣规划实例中学习动作模型，并且设计了AMLS-GA系统来具体实现这一思想。我们为每一个部分描述的动作构建一个可能谓词集，这个谓词集覆盖了动作前提表、增加表和删除表中的所有文字。并且用二进制编码的形式，把动作模型编码成GA搜索空间中的一个假设，学习过程是在标准的遗传算法框架下进行的。 我们把学习结果的正确性定义为尽可能多的解释规划实例，并且通过实验的方法对比了学习到的模型与专家预定义模型之间的差别。结果表明，算法能在较短的时间内，学习到一个逼近专家描述的动作模型。