我正在尝试解决Java中一般约束满足问题的特例。
基本上，我有多个变量，每个变量取离散值，并且每个变量都由它具有的所有可能值的集合定义（认为它像Java中的枚举一样，会有所帮助）。
我也有多个条件组合（将条件看作是变量上的多个方程式的系统，并且它们都是一元约束：换句话说，变量=可能值的形式），目标是确定是否有一组变量值至少满足每个组中的一个条件（它可能满足同一组中的多个条件）。我将这个特定的集合称为解决方案。我正在寻找所有可能的解决方案。
到目前为止，我唯一的想法基本上是蛮力。
这是一个具体的示例，因此情况更加清楚：
s = {a,b,c}, v = {1,2,3}, n = {p,k,m}。c1 = {s=a and v=2}, c2 = {s=b}. c1={n=p and v=2}。c1={s=a and n=p}, c2 = {s=c}。在这种情况下，如果我们采用(s=a,v=2,n=p)：它满足所有三个组的第一个条件，因此是解决问题的方法。
(s=b,v=2,n=p)并不是解决方案，因为它无法验证第三组的任何条件。实际上，这里可能的解决方案数是1。
请注意，组内的条件不一定是互斥的。
对于任何可能比蛮力高效运行的方式的见识，无论是数据结构还是算法，都将是很棒的，因为我将不得不解决数百万个这样的变量数量很大的系统（三十个变量的顶部每个都有15个值，并且有一百个这样的条件。）
编辑1：数据约束
如果N是每个问题将具有的变量数，则N<=30。
如果|V|是变量V可以拥有的最大元素数，那么我知道问题中每个变量Max(|Vi|)<=15的{{1}}。
我还知道，如果Vi是每个问题的约束数，那么C。
最后，我知道从统计学上来说，该问题的解决方案数量很少，这意味着大多数问题将只有一个解决方案，并且拥有8个以上解决方案的可能性少于99％。为了优化起见，我们甚至可以假设我对有超过10种解决方案的任何问题都不感兴趣。