* Problemy ze spełnieniem ograniczeń (CSP) reprezentują stan ze zbiorem par zmienna/wartość i reprezentują warunki rozwiązania przez zbiór ograniczeń na zmiennych. Wiele ważnych rzeczywistych problemów można opisać jako CSP.
* Szereg technik wnioskowania wykorzystuje ograniczenia, aby wykluczyć pewne przypisania zmiennych. Należą do nich węzeł, łuk, ścieżka i -spójność.
* Wyszukiwanie z wycofywaniem się, forma wyszukiwania w głąb, jest powszechnie używane do rozwiązywania CSP. Wnioskowanie można przeplatać z wyszukiwaniem.
* Minimalne pozostałe wartości i heurystyka stopni to niezależne od domeny metody decydowania, którą zmienną wybrać jako następną w wyszukiwaniu wstecznym. Heurystyka najmniej ograniczającej wartości pomaga w podjęciu decyzji, którą wartość należy wypróbować jako pierwszą dla danej zmiennej. Cofanie się występuje, gdy nie można znaleźć przypisania prawnego dla zmiennej. Skierowane na konflikt wsteczne tory cofają się bezpośrednio do źródła problemu. Uczenie się ograniczeń rejestruje konflikty napotykane podczas wyszukiwania w celu uniknięcia tego samego konfliktu w późniejszym wyszukiwaniu.
* Lokalne wyszukiwanie przy użyciu heurystyki mini-konfliktów zostało również z dużym sukcesem zastosowane do problemów spełniania ograniczeń.
* Złożoność rozwiązywania CSP jest silnie związana ze strukturą jego grafu ograniczeń. Problemy o strukturze drzewa można rozwiązywać w czasie liniowym. Kondycjonowanie zestawów może zredukować ogólny CSP do struktury drzewa i jest dość wydajne (wymaga tylko pamięci liniowej), jeśli można znaleźć mały zestaw elementów. Techniki dekompozycji drzewa przekształcają CSP w drzewo podproblemów i są wydajne, jeśli szerokość drzewa grafu ograniczeń jest mała; jednak potrzebują wykładniczej pamięci w szerokości drzewa grafu ograniczeń. Połączenie kondycjonowania cutsetów z rozkładem drzewa może pozwolić na lepszy kompromis pamięci w stosunku do czasu.