在人工智能(AI)的研究中规划是其较早的研究领域之一,可以追溯到60年代。由于其广泛的实用性,受到研究者的高度重视。目前人工智能规划已经成为人工智能领域中当前研究的一个热点问题。虽然人们研究规划问题已经有近五十年了,而且也已经提出了各种各样的解决方案,但随着智能规划从理论研究逐渐向应用研究的发展,人们发现经典的规划根本无法满足实际应用的要求,因为规划问题本身就是一个非常难解决的问题,而在实际应用中又具有许多不确定的因素。因此现在能够解决的规划问题还是局限于一些象积木世界这样的小问题领域等,关于现实世界中的一些大而复杂的规划问题仍然没有能够很好地解决。传统的规划问题是一种强约束问题,也就是说对于约束条件或者完全满足或者完全不满足,这种框架对于刻画现实世界的很多微妙的问题来说太过严格。为了解决上述问题,产生了一种新的规划问题即灵活规划问题。 本文提出了利用启发式搜索的知识来处理灵活规划问题,在对启发式搜索和灵活规划深入研究的基础上,给出了利用启发式知识解决灵活规划问题的求解模型,并提出了基于启发式搜索的灵活规划算法框架。 虽然启发式搜索和灵活规划是国内外研究的热点,但目前国内外关于将启发式搜索应用到灵活规划中的研究还不是很完善。因此本文的研究工作在理论上还是具有很大的学术价值的;同时在实际应用中,也有很好的应用前景。