智能规划是人工智能的一个重要分支，它的研究最早可以追溯到六十年代。虽然人们很早就开始了对它的研究，但由于规划本身是一个非常复杂的问题，所以研究的进展一直很缓慢，甚至在八十年代陷入了低谷。直到九十年代，一些新的问题描述方法以及求解策略的提出才重新激发起人们对智能规划的研究热情。其中比较有影响力的求解策略包括图规划、启发式搜索、将规划问题转换为约束可满足问题和模型检测等4种规划求解策略。这些方法在小规模问题求解上相对于传统方法都具有相当大的优势。但对于稍大规模的问题，同样会陷入求解效率低下的困境。为了提高效率研究人员提出按照子目标的实现顺序将较大规划问题分解成若干个较小规模的子问题，并分别求解各个子问题的策略。这种策略的核心是子目标的排序算法。在2000年Koehler等人首次严格定义了子目标之间的顺序关系，并提出了基于规划图和基于启发式的两种目标排序的算法，其中第二种算法被运用到包括IPP、FF以及SGPlan等规划器上，这些规划器都在智能规划大赛中取得过优异的成绩。 本文在深入研究基于启发式的目标谓词排序算法的基础上，利用模式化方法以及领域知识对该算法进行改造。原算法在目标排序的过程中需要对同一谓词的不同实例进行多次判断，而本文提出的基于模式的目标谓词排序算法则在谓词模式的层次上进行谓词的排序，所以能有效减少相似的重复比较，提高了排序的效率。实验数据表明，文中的算法相对于原算法具有更大的优势。