前面的部分讨论了创建约束满足问题。现在，让我们将其应用于现实世界的问题。以下是一些用约束满足解决的现实世界问题的例子：

解决代数关系

借助约束满足问题，我们可以解决代数关系。在这个例子中，我们将尝试解决一个简单的代数关系 *a\2 = b。它将返回在我们定义的范围内的 a 和 b 的值。

完成这个 Python 程序后，您将能够理解用约束满足解决问题的基础知识。

请注意，在编写程序之前，我们需要安装一个名为 python-constraint 的 Python 包。您可以使用以下命令安装它：

pip install python-constraint

以下步骤展示了一个使用约束满足解决代数关系的 Python 程序：

使用以下命令导入 constraint 包：

from constraint import *

现在，创建一个名为 problem() 的模块对象，如下所示：

problem = Problem()

现在，定义变量。请注意，这里我们有两个变量 a 和 b，我们将它们的范围定义为 10，这意味着我们将在前 10 个数字中找到解决方案。

problem.addVariable('a', range(10))
problem.addVariable('b', range(10))

接下来，定义我们要应用于这个问题的特定约束。请注意，这里我们使用的约束是 *a\2 = b。

problem.addConstraint(lambda a, b: a * 2 == b)

现在，使用以下命令创建 getSolution() 模块的对象：

solutions = problem.getSolutions()

最后，使用以下命令打印输出：

print (solutions)

您可以观察到上述程序的输出如下：

[{'a': 4, 'b': 8}, {'a': 3, 'b': 6}, {'a': 2, 'b': 4}, {'a': 1, 'b': 2}, {'a': 0, 'b': 0}]

幻方

幻方是将不同的数字（通常是整数）排列在一个正方形网格中，其中每行、每列以及对角线上的数字相加都等于同一个数，这个数称为幻常数。

以下是生成幻方的简单 Python 代码的分步执行过程：

定义一个名为 magic_square 的函数，如下所示：

def magic_square(matrix_ms):
    iSize = len(matrix_ms[0])
    sum_list = []

以下代码显示了计算列和的代码：

for col in range(iSize):
    sum_list.append(sum(row[col] for row in matrix_ms))

以下代码显示了计算行和的代码：

sum_list.extend([sum (lines) for lines in matrix_ms])

以下代码显示了计算对角线和的代码：

dlResult = 0
for i in range(0,iSize):
    dlResult +=matrix_ms[i][i]
sum_list.append(dlResult)


drResult = 0
for i in range(iSize-1,-1,-1):
    drResult +=matrix_ms[i][i]
sum_list.append(drResult)


if len(set(sum_list))>1:
    return False
return True

现在，给出矩阵的值并检查输出：

print(magic_square([[1,2,3], [4,5,6], [7,8,9]]))

您可以观察到输出将是 False，因为它们的和不相等。

print(magic_square([[3,9,2], [3,5,7], [9,1,6]]))

您可以观察到输出将是 True，因为它们的和相等，这里的幻常数是 15。