Antigravity Agent
2.4 KiB
2.4 KiB
id: P-Reinforce-AUTO-CSP-001 category: Dev confidence_score: 0.96 tags: [auto-reinforced, constraint-satisfaction, csp, backtracking, Search-algorithm, Logic, Optimization] last_reinforced: 2026-04-20
Constraint-Satisfaction-Problems
📌 한 줄 통찰 (The Karpathy Summary)
"한계 내에서의 최적: '이 조건은 만족해야 하고 저 조건은 피해야 한다'는 수많은 제약 사항을 모두 충족하는 단 하나의 정답(또는 최적해)을 찾아내는 수학적 수수께끼 풀이 엔진."
📖 구조화된 지식 (Synthesized Content)
제약 충족 문제(Constraint-Satisfaction-Problems, CSP)는 변수 세트의 값이 일련의 제약 조건을 만족해야 하는 수학적 문제입니다.
- 3대 구성 요소:
- Variables (V): 값을 할당받아야 하는 대상.
- Domains (D): 각 변수가 가질 수 있는 값의 범위.
- Constraints (C): 변수 간에 지켜야 할 규칙 (예: 같은 색은 이웃할 수 없음).
- 핵심 알고리즘:
- Backtracking Search: 값을 하나씩 넣어보다 제약에 걸리면 뒤로 돌아가 다른 시도.
- Constraint Propagation (AC-3): 미리 불가능한 후보군을 잘라내는 기술. (Efficiency와 연결)
- Heuristics: MRV(최소 잔여 값), Degree Heuristic 등을 통해 탐색 속도 극대화. (Search-Strategy와 연결)
⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- 과거 데이터와의 충돌: 과거에는 단순히 '답을 찾느냐 마느냐'의 정책(Satisfiability)에 집중했으나, 현대 정책은 제약을 부분적으로 위반하더라도 최상의 결과를 내는 '연성 제약 정책(Soft Constraints)'과 최적화 정책을 결합함(RL Update).
- 정책 변화(RL Update): 최근의 AI 스케줄링 정책이나 칩 설계 정책(EDA) 등은 수조 개의 변수와 제약 정책이 얽힌 거대 CSP 문제로 진화했으며, 이를 AI 가 강화학습 정책으로 해결하려는 시나리오가 주류임.
🔗 지식 연결 (Graph)
- Efficiency, Search-Strategy, Logic, Complexity-Theory, Optimization
- Key Examples: Map coloring, Sudoku, Scheduling, Protein folding.