智能规划是人工智能一个重要的领域。近年来,有关智能规划的研究在问题的描述和问题求解两方面得到了新的突破,使得智能规划已成为现在一个热门的人工智能研究领域。随着智能规划从理论研究逐渐向应用研究发展的过程中,人们发现经典的智能规划根本无法满足实际应用的要求,因为经典规划要求知识的完全性,即要求状态空间确定,初始状态、动作、动作的结果状态、目标状态已知;而在实际应用中的真实世界里具有许多不确定的因素。所以研究者们提出了不确定性规划来求解具有不确定性的规划问题。在不确定性规划问题中的不确定性源主要有:初始状态的不确定和动作的不确定。本文通过对不确定性规划的研究,提出了一种新的不确定性:初始对象的不确定,也就是规划问题的初始对象集根据目前已知的知识是不精确、不确定的。一个规划问题是由问题的初始状态、问题的操作集合、问题的对象集合和问题的目标状态组成的。如果说规划问题的对象集合不确定的话,则会导致智能规划的不确定。本文提出了利用粗糙集理论来处理对象集合的不确定性,在对粗糙集和智能规划深入研究的基础上,给出了一系列的定义,包括粗规划问题、可能的初始状态、可能的目标集合、粗糙动作、规划的上近似集和规划的下近似集的概念。在一系列概念的基础上给出了粗规划问题的两种求解模型,并提出基于规划图的粗规划算法,包括粗规划图的扩张算法和对粗规划图的搜索算法。粗规划是一个全新的研究领域,虽然粗糙集和智能规划是国内外研究的热点,但目前国内外还没有关于粗规划的研究。所以本文的研究工作在理论上具有很大的学术价值;而且在实际的应用中,它也有很好的应用前景。