Python 添加许多约束时，纸浆速度非常慢

我尝试使用纸浆，但添加4000个约束（67个变量）需要50秒。解决这个问题只需要几分之一秒

我们想用纸浆来轻松地测试一大组问题的几个解决方案

需要这么长时间吗？直接使用PyGLPK只需要几分之一秒，包括设置和求解，所以我希望不会。我能做些什么来提高纸浆中这一步骤的效率

---

更新

---

我的约束矩阵非常稀疏，通过只包含非零系数，我能够将这个特定问题的设置时间减少到4或5秒。我仍然能够编写自己的.lp或.mps格式的文件，用cbc或glpsol子流程解决问题，并比PuLP更有效地解析解决方案，这仅仅是因为当PuLP需要几秒钟时，我可以在几毫秒内编写输入文件。我仍然不知道为什么会这样。

我没有足够的代表发表评论

但你有没有看过这个：

问题是：

"The problem is solved in less than 0.5 second.
However setting it up with PULP takes more than 10 seconds. "

这似乎也是您报告的内容。解决方案是不使用+=或求和（…）运算符，而是如链接中所述：

yeah using the += operator with pulp is really slow, as is using sum() 
instead of lpSum()

---

因此，您可能要将约束一次添加到纸浆中，而不是首先构建约束列表，然后在最后将约束添加到纸浆中？

我遇到了一个类似的问题，我在目标函数中使用了一个包含>10000个变量的表达式。根本原因与最初的海报上看到的相同。在

pulp.LpVariable

数组上使用

sum

比。基于谷歌小组在公认答案中的讨论，我能够使我的代码运行得更快。我知道这是一个老问题，但会包括一些抽象代码的不耐烦

最初的目标是：

sum([x * k for x in xs] + ys)

其中，

xs

是

纸浆.LpVariable

的列表，

k

是浮点常量，

ys

是

纸浆.LpVariable

的另一个列表

更快的版本是：

pulp.LpAffineExpression([(x, k) for x in xs] + [(y, 1.0) for y in ys])

---

我没有准确地计算两个版本的时间。为了了解时差，在运行慢速版本时，我能够在互联网上搜索为什么pulp会如此缓慢，找到这个StackOverflow问题，阅读链接的讨论，并在表达式计算完成之前更新代码。第二个版本需要几秒钟。

您能分享一下将4000个约束添加到LP中的PALL代码片段吗？请您评论一下这个问题：谢谢。我可能仍然有那个代码，如果有的话，我会回去看看。是的，我用了

lpSum

，但我也用

+=

来添加约束。你能用另一种方法发布代码吗？所以，似乎正在开发一个补丁，只需使用类的iadd就可以允许“+=”。这一点尚未得到《纸浆》一书作者的证实，但似乎很有希望。请看一下这个：Plase post代码，它解决了速度问题。从谷歌集团来看，我不清楚自己做错了什么。我添加约束的速度也很慢。为我添加4000个需要30分钟。