---
id: [[P-Reinforce|P-Reinforce]]-AI-CSP
category: Dev
confidence_score: 0.93
tags: [Algorithm, AI, [[Optimization|Optimization]], CSP]
last_reinforced: 2026-04-20
---

# [[Constraint Satisfaction Problems (CSP)|Constraint Satisfaction Problems (CSP)]] (제약 충족 문제)

## 📌 한 줄 통찰 (The Karpathy Summary)
> "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)
- **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|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 (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|Heuristics]])을 최적화하는 시도가 이루어지고 있다.

## 🔗 지식 연결 (Graph)
- Related: [[Graph-Theory|Graph-Theory]] , [[Combinatorial-Optimization|Combinatorial-Optimization]]
- Comparison: [[Operations-Research|Operations-Research]]