行动推理和知识表示是人工智能的重要研究领域。行动推理在认知机器人、Web服务、工作流等多个领域中得到应用。行动推理的主要任务是给出系统的初始状态和变化规则来预测某个行动或行动序列的效果;以及给出系统的初始状态和结果状态解释系统经历了哪些行动。模态逻辑是知识表示的一个重要工具,利用模态算子表示知识,在理论上是完善的,但实质上是一个计算资源无限的理想模型。状态演算是行动推理形式化系统之一,主要用来刻画动态系统变化规律,但状态演算对动态系统的知识表示仅是初步的。本文的主要工作如下:(1)基于模态逻辑中可能世界语义的思想,引入“流析取范式”表示状态演算中的知识,提高了状态演算的知识表达能力同时也避免了用模态逻辑表示知识在实现上的困难。(2)基于状态演算理论,实现了一种新的逻辑程序设计语言STEX,STEX采用前推推理机制,比基于情景演算采用回归推理机制的Golog、ConGolog和IndiGolog等有更高的推理效率。STEX能够实现基于流演算的FLUX所不能实现的一些重要的知识表示和推理,比FLUX具有更广的适用范围。(3)利用STEX语言实现了机器人取金子路径规划实例,实验结果验证了STEX能够使agent通过感知动态环境信息以及自身动作来更新自己的状态,通过动作推理来实现目标。