智能规划是近几年人工智能领域中的一个研究热点,因其广泛的应用价值和在理论研究中的重要地位,受到越来越多的学者关注。马尔可夫决策过程是研究随机环境下多阶段决策过程优化问题的理论,与行动推理相结合,可以实现最优规划。状态演算为一种行动推理形式化系统,通过刻画动态系统变化规律,实现智能体在初始状态下根据目标状态进行的自动推理。　　 本文基于状态演算和MDP,围绕着效能函数对最优规划进行研究,主要工作如下:　　 (1)初步实现一种基于状态演算的最优规划。在状态演算的基础上,根据智能体的目标状态,设定一个特定的目标函数,实现最优规划。　　 (2)对MDP规划进行深入研究,将MDP中的报酬函数,效能函数引入到状态演算当中,提出了基于状态演算和MDP的最优规划。通过引入规划式,给出规划式语法和语义,用以描述规划中各动作间顺序,非确定选择等关系和规划式中不同动作关系的效能函数更新规则,特别是非确定选择动作关系,最终实现最优规划。　　 (3)设计和实现了基于状态演算和MDP最优规划的规划器MDPSC。给出规划器的组成部分,并根据规划式的语义,利用Prolog语言实现MDPSC的解释器。针对报酬函数的两种情形,通过两个实例,验证了基于状态演算和MDP的最优规划是可行的。