研究了具有平面和命题表示的概率规划领域中测试和寻找小规划的计算复杂性，发现问题的复杂性分别属于 PL，P，NP，co-NP，PP，NP^PP，co-NP^PP 和 PSPACE，提出了一个新的基本 NP^PP 完全问题 E-MAJSAT，表明 E-MAJSAT 问题的启发式算法的开发对于广泛问题的高效算法很重要。

Aug, 1998

本文研究一元运算符领域的因果图与规划复杂度之间的关系，表明有一个多项式时间的规划生成算法存在于这样的领域中，其中的因果图导致一个具有节点入度常数上限的有向树，而图中路径的数量与相关域中的规划复杂度密切相关。

Jun, 2011

本文扩展了一种在规划中处理基于感知的信念跟踪的算法，该算法在可自定义的时间和空间范围内找出最可能的信念。此外，我们还引入了一种快速而有效的近似方法，该方法在时间和空间复杂度上都是指数级的，使算法可在高度宽但低因果宽度的领域中展现出最先进的实时性能。

Sep, 2019

层次任务网络规划中的复杂理论界限研究，包括提供计划的验证、可执行计划的存在性和给定状态是否可以通过某个计划到达等三个经典问题。研究发现，在常数偏序宽度（及其推广）的原始任务网络上，这三个问题均可以在多项式时间内解决，而对于后两个问题，只有在有关状态空间的明显必要限制下才成立。然后，提出了一个算法元定理和相应的下界，以确定使得一般多项式时间可解性结果从原始任务网络推广到一般任务网络的紧密条件。最后，通过分析三个问题的参数化复杂性，表明通过将网络的偏序宽度替换为网络的点覆盖数可以实现这三个问题的固定参数可解性，而网络的其他经典图论参数（包括树宽、树深度和前述的偏序宽度）则无法实现这三个问题的固定参数可解性。

Jan, 2024

该论文研究了参数化复杂性下命题性规划问题的分类，重点关注了解决方案计划的长度参数和常见的句法限制，包括 PUBS 限制和条件 / 效果数量限制，并确定哪些问题适用于多项式内核，哪些不适用。

Oct, 2013

本文提出了一种能够在多项式时间内计数和抽样来自马尔可夫等价类的有向无环图的算法，解决了该领域长期存在的一个问题。通过实验实现，该算法应用价值高，使因果结构和因果效应识别的主动学习策略变得实用。

May, 2022

本文研究了与基于案例规划相关的问题的计算复杂性：当已知类似实例的计划时进行规划，以及从计划库进行规划。我们证明了从单个案例进行规划的复杂性与生成式规划（即从头开始规划）相同；使用案例的扩展定义，如果案例中存储的领域与搜索计划的领域相似，则可以减少复杂度。从计划库进行规划的复杂性也得到了证明是相同的。在这两种情况下，规划的复杂性在最坏情况下仍为 PSPACE-complete。

Jul, 2004

研究了在存在未测量变量的情况下，具有若干并发或顺序行动的计划的概率评估，并建立了图形判据以识别只通过测量变量的被动观测就可以预测给定计划效果的情况。当满足该标准时，为计划实现指定目标的概率提供了一个闭合表达式。

Feb, 2013

本文研究了具有共同特征的问题集合的一般策略的特征和计算，并介绍了如何通过利用轨迹约束以及 LTL 公式来消除策略的终止条件以及降低规划的复杂度。

Sep, 2019

对 Halpern 和 Pearl 提出的实际因果关系进行定义，并且针对计算是否为一个因果关系提出复杂性问题，进行定义修正，并探究其对复杂度的影响，引入了新的复杂度类 D_k^P，并且对计算因果关系的复杂度进行了全面分类和探究，还介绍了责任和指责的概念

Dec, 2014