如何使用z3py进行增量求解

我正在使用Z3解算器的python API来搜索优化的时间表。它工作得很好，除了它有时非常慢，即使对于小的图形，有时也非常快。原因可能是我的排程问题的约束非常复杂。 我试图加快速度，偶然发现了一些关于增量解决的文章。 据我所知，您可以通过仅应用部分约束，使用增量求解来修剪一些搜索空间

所以我的原始代码是这样的：

for constraint in constraint_set:
    self._opt_solver.add(constraint)
self._opt_solver.minimize(some_objective)
self._opt_solver.check()
model = self._opt_solver.mode()

我现在将其更改为以下内容：

for constraint in constraint_set:
    self._opt_solver.push(constraint)
    self._opt_solver.check()
self._opt_solver.minimize(some_objective)
self._opt_solver.check()
model = self._opt_solver.mode()

我基本上用push命令替换add命令，并在每次推后添加一个检查

首先，我的一般方法正确吗？ 此外，我还有一个无法摆脱的例外：

谁能给我一个提示，我做错了什么。还有一个z3py教程，它用一些例子解释了如何使用pythonapi进行增量求解

我的最后一个问题是：这是最小化解算器执行时间的正确方法还是有其他/更好的方法？

函数push不带参数。它创建了一个回溯点，您可以稍后弹出到该点。请看这里：

所以，在这里，推动似乎根本不是你想要/需要的。您应该简单地逐个添加约束并调用check。然而，我非常怀疑每次添加后的检查是否会显著加快速度。特别是，与常规解算器不同的是，优化解算器通常从头开始解算所有问题。请参见此处的相关讨论：

---

关于增量：python API是自动增量的。增量只是指能够多次调用命令check，而解算器不会忘记以前看到的内容。i、 例如，调用检查，断言更多事实，再次调用检查；第二次检查将从一开始就考虑所有断言。您不应该对此做出任何假设，因为这会让您在最后一次呼叫检查时加快速度：这完全取决于所涉及的启发式和决策程序，这取决于手头的问题。

非常感谢您的快速回答。因此，我的后续问题是：如果迭代求解不能帮助我提高优化速度，我可以做些什么来提高性能？一般的、公认的没有帮助的答案是，你需要选择正确的策略，记住它可能不存在。当您调用check时，解算器使用策略、启发式等组合。如果您知道哪种策略效果最好，那么您应该直接使用它。但找出答案与其说是科学，不如说是一门艺术。您最好的办法是隔离一个您认为应该很容易解决的特别慢的案例，使其独立，并在这里或直接在Z3Github站点寻求帮助。您可以在StackOverflow中搜索z3战术，并看到各种类似的问题！

self._opt_solver.push(constraint) TypeError: push() takes 1 positional argument but 2 were given