Python itertool和多处理，如何并行生成所有可能的组合

我有下面的代码，它生成所有可能的组合，产生一个给定的和（n）。但是，对于大数字（n），此代码需要很长时间。有没有一种方法可以跨多个处理器并行化我的代码

from itertools import combinations_with_replacement

def all_combination(numbers, n):
result = [seq for i in range(n, 0, -1) for seq in combinations_with_replacement(numbers,i) if sum(seq) == n]
return result

numbers = [1, 2, 3, 4, 5, 6]
n=700
print len(all_combination(numbers,n))

---

你了解这里的基本算法复杂性吗？组合的数量呈指数增长，而多重处理只能给您线性加速。如此简化和渐进：多处理使您有可能将N增加1（四舍五入！）。将这样一个过程并行化仍然需要相同的时间：一个处理器以全速工作与两个处理器以一半的速度工作几乎相同。当程序的一部分运行速度快于另一部分（例如代码与用户输入）时，多处理器和并发编程（即线程与协同）非常有用，在这种情况下不会。我在想，如果一个列表可以处理生成列表的一半，另一个将处理另一半。最简单的方法是手动执行前1或2个步骤（分支），并并行运行其余步骤。但正如我所说：99.9%的场景都是白费力气的。@Mohamadirahim这当然可以使用线程或类似的模块，尽管我不太习惯于帮助您。

from itertools import product
import math
import multiprocessing

def parallel_combination(i, limit):
    numbers = [1, 2, 3, 4, 5, 6]
    result=0
    for seq in combinations_with_replacement(numbers, i):
        if sum(seq) == limit:
            result+=1
    return result

def chunks(min_value, max_value):
    for i in range(max_value, min_value, -1):
        yield i

if __name__ == "__main__":
    max_value=610
    limit=610
    min_value=int(math.floor(float(limit/6)))
    pool = multiprocessing.Pool()
    n_processesor=32
    chunk_size=int((math.ceil(float((max_value-min_value))/n_processesor)))
    processes = pool.map(func=parallel_combination, limit, iterable=chunks(min_value,max_value), chunksize=chunk_size)
   final_result=0
   for process in processes:
        if process:
            final_result+=process
    print final_result