一般化計画（GP）は、関連する計画問題のファミリーを解決するプログラムを合成するタスクを指します。本稿では、トレーニング問題のセットを用いて各問題に対して目標原子ごとに最適な計画を計算し、その結果から目標回帰を行い、条件と行動のルールを導出する新しいシンプルな方法を提案します。このルールは、実行可能な一般化計画として貢献し、計画探索空間を剪定するために使用されることもあります。提案手法が有効な一般化計画を学習し、探索のための状態空間剪定の公理を形式化および証明しています。実験により、合成コスト、計画のカバレッジ、解の質の3つの指標について、従来の一般化プランナーに対して大幅な改善を示しています。