feat: achieve 600 files milestone in AI knowledge base

10_Wiki/Topics/AI/Constraint Satisfaction Problems (CSP).md

@@ -1,25 +1,29 @@
 ---
-id: P-REINFORCE-AUTO-075C49
+id: P-REINFORCE-AI-CSP
 category: "[[10_Wiki/💡 Topics/AI]]"
-confidence_score: 0.90
-tags: [auto-reinforced]
+confidence_score: 0.93
+tags: [Algorithm, AI, Optimization, CSP]
 last_reinforced: 2026-04-20
-github_commit: "[P-Reinforce] Continuous Worker - Constraint Satisfaction Problems (CSP)"
 ---
 
-# [[Constraint Satisfaction Problems (CSP)]]
+# [[Constraint Satisfaction Problems (CSP)]] (제약 충족 문제)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
-> 지식 요약 정보 추출 중...
+> "규칙을 깨지 않고 빈칸을 채우는 지적인 퍼즐 풀이." 변수, 도메인, 제약 조건 세 가지 요소로 정의되며, 모든 제약을 동시에 만족하는 해를 찾는 탐색 기반의 고전적 AI 핵심 분야다.
 
 ## 📖 구조화된 지식 (Synthesized Content)
-본문 구조화 작업 중...
+- **Three Components**:
+    - **Variables ($X$)**: 값을 할당받아야 하는 대상 (예: 스케줄링의 시간표 칸).
+    - **Domains ($D$)**: 각 변수가 가질 수 있는 가능한 값들의 집합.
+    - **Constraints ($C$)**: 변수들 사이의 규칙 (예: 같은 시간에는 한 강의실만 사용 가능).
+- **Core Algorithms**:
+    - **Backtracking Search**: 값을 하나씩 할당해보고 규칙에 어긋나면 돌아가는 방식.
+    - **Constraint Propagation (AC-3)**: 값을 할당하기 전에 불가능한 값들을 미리 제거하여 탐색 공간을 줄임.
+- **Applications**: 스케줄링(공장 공정, 학교 시간표), 지도 색칠하기, 수도쿠(Sudoku), 논리 회로 설계 등.
 
-## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
-- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요.
-- **정책 변화:** AI 분야의 자동 자산화 수행.
+## ⚠️ 모순 및 업데이트 (RL Update)
+- CSP는 NP-완전(NP-Complete) 문제인 경우가 많아 변수가 많아지면 기하급수적으로 어려워진다. 최신 AI 시스템에서는 고전적인 CSP 알고리즘에 강화학습을 결합하여, 다음에 시도할 변수를 선택하는 전략(Heuristics)을 최적화하는 시도가 이루어지고 있다.
 
 ## 🔗 지식 연결 (Graph)
-
-- Raw Source: [[00_Raw/2026-04-20/Constraint Satisfaction Problems (CSP).md]]
----
+- Related: [[Graph-Theory]] , [[Combinatorial-Optimization]]
+- Comparison: [[Operations-Research]]