1、經(jīng)典智能規(guī)劃要求智能體對規(guī)劃世界的知識(shí)是完全的，規(guī)劃過程中動(dòng)作的效果是確定的，但現(xiàn)實(shí)世界中得到的信息往往是不完全、不確定的。為了滿足智能規(guī)劃技術(shù)應(yīng)用于實(shí)踐中的目的，對具有不完全信息和不確定效果的規(guī)劃問題的研究已逐步深入。 概率方法能較準(zhǔn)確地對不確定信息進(jìn)行定量的描述，更適合于求解現(xiàn)實(shí)世界中的規(guī)劃問題。目前已發(fā)展了許多求解概率規(guī)劃問題的算法，但這些算法都是針對于某個(gè)單目標(biāo)求解最優(yōu)規(guī)劃，它們忽略了其它目標(biāo)或?qū)ζ渌繕?biāo)進(jìn)行人為的假定，

2、而在實(shí)際應(yīng)用中往往需要求解的都是多目標(biāo)規(guī)劃問題，因此研究多目標(biāo)概率規(guī)劃具有十分重要的意義。本文的主要工作：給出了多目標(biāo)概率規(guī)劃的問題模型定義，將多目標(biāo)優(yōu)化問題轉(zhuǎn)化成Markov決策過程下的優(yōu)化問題進(jìn)行求解；把多目標(biāo)優(yōu)化的方法引入到概率規(guī)劃中，這兩種方法的結(jié)合是一項(xiàng)很困難的工作，這里我們采用多目標(biāo)優(yōu)化理論中基本解法構(gòu)造針對多個(gè)目標(biāo)的評價(jià)函數(shù)，利用權(quán)值系數(shù)等參數(shù)描述不同目標(biāo)之間的優(yōu)先次序及偏重程度等；本文提出了mLDFS、mHDP以及mLD