本研究针对广义规划中的归纳学习过程中模型广化限制的问题，提出基于全量数据的抽象模型和自动化合成方法，并形式化证明了其可行性和正确性。

May, 2019

本文介绍了一种机制，用于从给定的计划层次结构中推导先决条件和效果总结，并提供了结构数据和算法，以在传统计划器与抽象计划中相互使用。

Aug, 2017

本文提出一种使用图卷积神经网络和图注意力网络进行程序终止性分析的方法，并结合语义分割定位 AST 节点进行非终止原因的估计和调试。

Jul, 2022

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

提出了一个基于框架的方法以比较和分析使用 Hierarchical Task Network（HTN）规划解决 Web 服务复合问题的途径，并探讨了 HTN 规划的成就，规划模型及其在真实应用中的适用性。

Mar, 2014

通过在空间和时间尺度上进行分层推理，我们提出使用多个专家基础模型联合解决长期目标任务的分层规划模型，通过语言、视觉和动作数据的训练，构建符号化的计划，并通过视觉 - 动作控制将计划转化为执行动作，以实现在新环境中做出有效决策。

Sep, 2023

本研究介绍了一种利用启发式算法解决定理证明和计划制定问题的方法，并将其应用于 situation calculus 中。该方法通过使用 A * 搜索算法排列一系列情境，并利用删除松弛法控制启发式规划器，获得较短的计划方案，并探索较少的状态。实验表明，该方法可以应用于较大规模的问题。

Mar, 2023

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

本文基于 Cui 等人的研究，探索了用于广义规划的 sound abstraction 的自动验证，并提出了基于模型理论的 sound 和 complete abstraction 的定义。本文还提出了可验证 sound abstraction 的充分条件，并开发了处理计数和传递闭包的方法来实现其验证。最后，本文实现了一个 sound abstraction 验证系统，并在几个领域进行了实验。

May, 2022

本文介绍了通过改良变换法来解决逻辑程序终止性分析的限制的方法，并将其应用于 AProVE 终止证明器进行实验与评估。

Mar, 2008