本文探讨了广义规划的扩展，结合自动学习与规划，利用深度神经网络和图神经网络解决复杂性问题。研究表明，机器人通过抽象动作和关系表示能够在新环境中获得泛化解决方案，实验结果验证了方法的有效性和强泛化能力。

本文提出了一种新的本地启发式搜索方法，针对广义规划（GP）问题，定义了基于程序的解空间和BFGP算法，以优化搜索策略。研究表明，该方法在处理大型状态变量和数值域时表现优越，能够有效提升规划效率，并在多智能体路径规划中减少等待时间。