此文用简洁的形式来描述一个规划推理算法。我们将用来生成期望的规划结构称为“E-plan”。一般来说，系统必须维护很多的“E-plan”来处理歧义，虽然这个算法假定系统最开始只有一个“E-plan”。将“E-plan”扩展为一个集合是很简单的，新的算法仍然需要分解链，但同时检查中间的行为-结果和行为-前提的联系。

在描述这个算法之前，有必要先定义一些术语。具体来说，P这个“E-plan”中已经与逻辑表达式匹配的节点称为已识别节点，而没有与逻辑表达式直接匹配的节点称为期望节点。期望节点还可以进一步分为：

A-set(P)——描述行为的期望节点

P-set(P)——描述能够使一个行为发生的那些状态的期望节点

E-set(P)——描述一个行为的结果的那些期望节点

这些节点是很有用的，因为它们包含规划中最可能匹配新句子的那些节点。同时，要注意的是P-set和E-set常常交叉，一个状态可能是一个行为的结果，也可能是另一个行为的前提条件。

例如，考虑图1 中的规划，这个规划是一个片段。因为边标记可以根据上下文来确定，所以图中没有标出来。换言之，两个行为之间的边是“has-as-step”边，从状态到行为之间的边称为“enable”边，从行为到状态之间的边称为“has-effect”边。节点的标记说明了节点的内容，但是节点的角色值和等价性的细节没有标出来。节点“GOTO-CLERK1”与句子12b“She walked up to the ticket clerk”(她走向售票员）的逻辑形式相匹配。给定这个规划，A-set包括描述“PURCHASE-TICKET1”和“BUY-TICKET1”的那些节点，P-set包括描述状态“OWNS-MONEY1”，“AT-LOC-CLERK1”和“CLERK-HAS-TICKET1”的那些节点,E-set包括“AT-LOC-CLERK1”，“OWNS-TICKET1”,“CLERK-HASMONEY1”，“NOT-OWNS-MON-Y1”和“NOT-CLERK-HAS-TICKET1”的那些节点。

图1 篇章12的“E-plan”的一个片段

给定一个规划P，扩展这个规划P涉及到将A-set中的所有行为和这些行为的分解都加到规划P中。这个动作可以采用一种宽度优先的方式用于前面描述的分解链推理。例如，扩展图1中的这个规划，将增加一个分解“BUY-TICKET1”、增加两个行为“GIVE-CLERK-MONEY1”和“GIVE-SUETICKET1”，还会增加这些行为的前提和结果状态。行为“PURCHASE-TICKET1”也在A-set中，但是由于它已经被分解了，所以没有再扩展。

基于上面的这些概念，我们可以对这个算法进行描述。一旦将一个行为加入到规划中，其所有前提和结果都必须被包括进去，并在前提、结果与行为之间建立合适的联系。另外，A-set，P-set和E-set 都必须用新的信息更新。根据这个新句子是描述了一个行为、状态还是目标的不同，算法接受三类不同的输入。这个算法能够分别处理每一种情况。