约束规划（Constraint Programming）是一种基于数学约束的编程范式，专注于在给定约束条件下寻找可行解或最优解。它通过定义变量、变量取值范围以及变量间的关系约束，构建一个约束满足问题（CSP, Constraint Satisfaction Problem），并利用约束传播、回溯搜索等算法技术，高效地求解满足所有约束的变量赋值方案。与传统的暴力搜索不同，约束规划强调利用约束条件缩小搜索空间，从而提升求解效率。
在自动驾驶领域，约束规划被广泛应用于路径规划、行为决策等场景。例如，在复杂路口的多车协同通过问题中，系统需要同时满足交通安全规则、车辆动力学限制、乘客舒适度等多项约束条件。通过将这些问题建模为约束规划问题，可以快速生成符合所有硬性约束的可行解，甚至能在实时性要求下找到最优解。特斯拉的自动驾驶系统就曾公开披露其使用约束规划技术解决变道决策问题。