约束程序是人工智能领域重要的基础模型，在很多领域都有着广泛的应用。本文介绍了约束满足问题的基于回溯搜索结合约束传播技术的求解策略，详述了求解过程中各个模块的细节，分析了不同策略在各个模块对求解效率的影响，重点讨论了在回溯搜索中应用的约束传播技术和启发式搜索策略，围绕提高求解效率这一根本宗旨对各个模块进行研究，具体内容包括：(1)提出一种方法改进了求解过程中最常用的约束传播技术：粗粒度弧相容算法的基本框架。这种方法可以提高所有粗粒度弧相容算法应用于求解过程中的效率；(2)提出一种可应用于负表约束的表缩减广泛弧相容算法，该算法可以在负表约束上实现广泛弧相容。这是首次在负表约束上应用表缩减算法，与正表约束上的表缩减算法一样，负表约束上的表缩减算法的求解效率与其他算法相比有明显的优势；(3)提出了一种概率最大受限路径相容算法PmaxRPC，它的域过滤能力介于弧相容与最大受限路径相容之间，但实现代价远远低于最大受限路径相容。PmaxRPC可以估计路径相容证明存在的概率，并根据这一概率决定是否执行路径相容证明检查。在一些包含松紧度较高的标准库测试用例上，PmaxRPC的求解效率高于弧相容与最大受限路径相容；(4)提出了一种方法将约束松紧度有效地整合到基于度的变量赋值启发式中，并根据实际需要提出了两种方法，分别在二元约束和多元约束上计算动态约束松紧度。整合后的新策略的求解效率得到了明显提高；(5)将约束满足问题应用于基于模板的蛋白质结构预测中，将模板选择的过程使用约束满足问题建模，这个约束满足问题的解可以使最终选出的模板组合既能覆盖整个待预测序列，又不存在冗余的覆盖。设计并选择了适合这种约束满足问题的约束传播算法，并使用交互式约束满足问题的相关方法解决了其中可能存在的过约束问题。