Python 3.x 我们如何加速纸浆中的循环

我的问题有1500个约束和1000个方程，解决方案是时间敏感的，通过for循环向我的模型添加约束需要花费大量时间

目前，我正在为模型添加约束和方程，如

范围（6000）内的i的

：
lputpay+=（x[i]*lput（pp[i]，pst[i]）#x[i]是一个变量

---

这件事占用了解决过程的60%时间，我尝试过Numba、Cython，但不支持非python对象。

我也遇到了同样的问题，没有找到使用python纠正它的方法。Python是一种缓慢的语言，除非您能够找到一种巧妙的方法来利用库。既然你已经尝试过Numba和Cython，那么你已经用尽了这方面的大部分可用选项

我用朱莉娅的语言解决了我的问题。Julia对我来说并不总是很好（我通常可以通过切换到C++获得显著的速度提升），但对于这个问题来说却是完美的：表示仍然是高级的，但性能比Python要好得多

一个简单的例子：

using JuMP
using Cbc
lpModel = Model(solver = CbcSolver(seconds = 3600))
@variable(lpModel, x >= 5)
@variable(lpModel, y >= 6)
@constraint(lpModel, x+y == 18)
@constraint(lpModel, 20x + 30y <= 470)
@objective(lpModel, Max, 2x + 3y)
status = JuMP.solve(lpModel)
println("Number of Tea Cups: $(getvalue(x))")
println("Number of Coffee Mugs : $(getvalue(y))")

使用跳转
使用Cbc
lpModel=Model（解算器=CbcSolver（秒=3600））
@变量（lpModel，x>=5）
@变量（lpModel，y>=6）
@约束（lpModel，x+y==18）
@约束（lpModel，20x+30y为什么需要它？是需要还是其他什么。更新代码示例以实现它很难从剪断的代码中读出潜在的瓶颈。什么是pp、pst，尤其是lput？是简单的随机访问还是更昂贵的调用（例如lput）？假设是随机访问，如果这个循环占主导地位，我希望您的求解时间小于1秒？lput乘以pp和pst，而不是python for循环迭代的瓶颈स 这个例子不是一个约束，你可能可以删除它。