Python 在Z3Py中加速公式构建

我使用Z3Py来构建大型公式（~1500

Bool

变量，~90k断言），目前我正在使用

Solver.add

来添加断言，这些断言大多很小（例如，对两个变量的影响）

我的代码看起来像这样，大约有10个外部

for

循环。循环嵌套深度从2到6不等

s = Solver()

for i in range(A):
  for j in range(B):
    ...
      s.add(Implies(vars[i,j,...], vars[k,l,...]))

问题是构建解算器需要约11秒（使用

\uuuu debug\uuuu==False

），而找到解决方案只需要约8秒

分析表明，很多时间都花在

Z3\u sort\u to ast

、

z3code.Elementaries.Check

（由前者调用）和其他方法上，这些方法看起来至少可以内联，如果不是以某种方式消除的话

如何优化Z3

解算器的创建？也许有一个更低级的内部接口可以加快速度？
我看到3个选项：


使用SMT-LIB接口
跳过Z3的高级API
直接使用C API重写代码

如果与Z3的交互最小（求解并获取模型），SMT-LIB可能是最佳选择

如果用C重写python代码相当复杂，请尝试一下pySMT。我们与Z3集成的方式跳过了高级API，直接调用python级别公开的底层C函数。pySMT本身会产生开销，但通常会付出代价。您可以查看[1]了解我们如何做的一些想法

[1] 我看到了3个选项：


使用SMT-LIB接口
跳过Z3的高级API
直接使用C API重写代码

如果与Z3的交互最小（求解并获取模型），SMT-LIB可能是最佳选择

如果用C重写python代码相当复杂，请尝试一下pySMT。我们与Z3集成的方式跳过了高级API，直接调用python级别公开的底层C函数。pySMT本身会产生开销，但通常会付出代价。您可以查看[1]了解我们如何做的一些想法

[1] 
Python API没有针对速度进行优化，很可能在不必要的深度嵌套函数和断言/异常/类型检查中浪费大量时间。为了在构建过程中获得最佳性能，最好直接使用C API。Python API没有针对速度进行优化，很可能会在不必要的深度嵌套函数和断言/异常/类型检查中浪费大量时间。为了在构建期间获得最佳性能，最好直接使用C API。