Performance Julia-在跳转中使用跳转三角矩阵变量会导致糟糕的类型性能

在下一个MWE上，@code_warntype返回错误的性能类型1469:：JuMP.Containers.SparseAxisArray

而j从1到n而不是i+1到n的修改版本对于@codewarn_类型来说是非常好的

---

然而，我不能允许我的模型有将近两倍多的变量和超过一半的未使用变量。我用更大的实例运行这两个代码，性能很快就会下降。这是否意味着我应该忽略@code\u warntype告诉我的内容？如果是这样的话，这不是我第一次不得不忽略它，我发现如何理解@codewarn_类型的返回何时是有意义的尤其不清楚。也许我应该问一个关于这个宏的更一般的问题，如何阅读和理解它？

嗯。我想我们已经解决了这个问题。注意，x是一个具体的类型，所以这只是Julia推理的失败。这也意味着，当x被传递给另一个函数（例如，add_constraint）时，它将是快速的

编辑：打开要讨论的问题：

以下是MWE：

using JuMP
function MWE(n)
    model = Model()
    @variable(model, x[i=1:n, j=i+1:n])
end
@code_warntype MWE(5)

---

要问的问题是：时差是否重要？如果只是稍微快一点，我会选择可读性更高的版本。

我会选择两倍多的变量，并给出将其值指定为0的约束。当解算器运行时，它将自动神奇地从模型中删除这些变量，这样优化时间就不会受到影响。@PrzemyslawSzufel，谢谢！这确实更快：但我很惊讶，人们应该这样编码，添加无用的变量，强制为零：你可以添加一个答案，如果这是最好的方式，我会选择它

function MWE_codewarntype_safe(n)
       m = Model(Gurobi.Optimizer)
       @variable(m, x[i=1:n, j=1:n], Bin)
       @variable(m, y[i=1:n], Bin)
end
@codewarn_type MWE(5)

using JuMP
function MWE(n)
    model = Model()
    @variable(model, x[i=1:n, j=i+1:n])
end
@code_warntype MWE(5)