让计算机系统能表现出人所具有的智能行为是人工智能研究的最高目标。对于给定的某一任务，如果机器能够自动构造出完成任务所需要的动作序列：同时，当机器在执行该动作序列之后，或者在执行动作过程中，发现系统并没能到达预期的目标状态时，机器能够自动地分析并得出导致任务失败的原因，并尽可能地进行修复，使系统能够正确地到达目标状态，则这样的机器在一定程度上表现出了类似人类智能的行为特征。上述智能机器的两种能力分别称为规划能力和诊断能力，而对这两种能力的研究构成了人工智能研究领域中的两大基本问题：规划问题和诊断问题。显然，机器的规划能力和诊断能力是衡量机器智能水平高低的重要标志，同时，在现实世界中存在着大量的规划和诊断问题，这使得智能规划和诊断问题的研究又具备很强的应用背景。因此，众多人工智能研究者们都不遗余力地致力于对智能规划和诊断的研究，探索新的高效的智能规划和诊断算法，以期能解决现实中广泛存在的规划和诊断问题，并提高机器的心智水平。但是，由于智能规划和诊断问题本身的难解性，又决定了对规划问题和诊断问题研究的困难性，目前现有的智能规划和诊断算法的效率都难以令人满意。 为此，本文从自主智能体的角度对智能规划问题和诊断问题分别进行了研究。首先，我们从问题形式表示的角度介绍了几种规划问题的形式表示方法。接着，我们对经典的规划图技术以及几种典型的与规划图技术关系密切的规划技术进行了简要的介绍，指出经典规划图技术的优缺点，在此基础上，我们提出了一种在规划图的基础上运用遗传算法进行解提取的新的规划技术，同时设计并实现了基于规划图的遗传规划系统，从而证明了算法的可行性和有效性。 其次，对于诊断问题的研究，我们在分析经典的基于模型诊断基础上，对经典的模型诊断进行了适当修正，并重新定义了诊断。提出了一种用于诊断的诊断图的数据结构。此时，诊断的产生过程就是对诊断图的分析过程。 最后，我们给出了在航空航天领域种综合应用智能规划和诊断技术的例子：当要拍摄某一特定星体图象时，航天器能够自动地产生能完成该任务所需要的动作序列；同时，当遇到任务失败的情况时，调用我们的诊断图分析方法进行诊断。实验结果表明智能规划和诊断技术在自主智能体中的重要性以及我们方法的有效性。