Z3PY速度非常慢，有很多变量？

我一直在使用Z3PY中的优化器，并且在我的项目中只使用Z3int和（x 我创建了26个Z3整数。然后我添加了硬约束，即它不应小于1或大于26。此外，所有数字必须是唯一的。没有添加任何其他约束。 换句话说，解算器将找到的解是一个简单的顺序[1,2,3,4,5…，最多26]。以解算器发现的方式排序

我的意思是这是一件简单的事情，除了我提到的那些约束之外，实际上没有约束。解算器可以在0.4秒或类似的时间内解决这个问题，快速且足够。这是意料之中的。但是如果我把变量的数量增加到49（当然现在的限制是它不应该小于1或大于49），求解器需要大约1分钟的时间来求解。对于这么简单的任务来说，这似乎真的很慢？应该是这样吗，有人知道吗？时间复杂性真的大大增加了吗

（我知道我可以在这个特定的实验中使用Solver（）而不是Optimizer（），它会在一秒钟内解决，但实际上我需要用Optimizer来完成，因为我有很多软约束要处理。）

编辑：为我的示例添加一些代码

I declare an array with Z3 ints that I call "reqs".
The array is consisting of 26 variables in one example and 49 in the other example I am talking about.

solver = Optimize()

 for i in (reqs):
     solver.add(i >= 1)

for i in (reqs):
    solver.add(i <= len(reqs))

    d = Distinct(reqs)
    solver.add(d)

res = solver.check()
print(res)

我声明了一个包含Z3整数的数组，我称之为“reqs”。
这个数组在一个例子中由26个变量组成，在另一个例子中由49个变量组成。
解算器=优化（）
对于i in（需求）：
求解器。添加（i>=1）
对于i in（需求）：
解算器。添加（i每个基准都是唯一的，不可能想出一个在所有情况下都同样适用的好策略。但是您描述的场景非常简单，可以处理。性能问题来自这样一个事实：
Distinct
创建了太多的不平等（二次型）对于解算器，随着变量数量的增加，优化器很难处理它们

根据经验，如果可以的话，应该避免使用
Distinct
。对于这种特殊情况，对变量施加严格的排序就足够了。（当然，这可能并不总是可能的，这取决于其他约束条件，但您描述的内容似乎可以从这个技巧中获益。）因此，我将这样编写代码：

从z3导入*
需求=[Int（'i_ud'%i'），用于范围（50）内的i]
解算器=优化（）
对于需求中的i：
solver.add（i>=1，i每个基准都是唯一的，不可能想出一个在所有情况下都同样适用的好策略。但是您描述的场景非常简单，可以处理。性能问题来自于
Distinct
创建了太多的不等式（二次型）对于解算器，随着变量数量的增加，优化器很难处理它们

根据经验，如果可以的话，应该避免使用
Distinct
。对于这种特殊情况，对变量施加严格的排序就足够了。（当然，这可能并不总是可能的，这取决于其他约束条件，但您描述的内容似乎可以从这个技巧中获益。）因此，我将这样编写代码：

从z3导入*
需求=[Int（'i_ud'%i'），用于范围（50）内的i]
解算器=优化（）
对于需求中的i：
求解器。添加（i>=1，i优化引擎的性能不被期望；它们也不会像现有的解算器那样经常受到关注和加速。但是每个基准都是不同的，所以你应该发布具体的例子，看看能做些什么，如果有的话。我现在已经将代码添加到原来的帖子中。但是，是的，我理解。但是感觉很好有点奇怪，当从26个变量更改为49个变量时，速度要慢得多它需要一毫秒或其他时间。在这里使用Z3PY需要一分钟，有49个变量。优化引擎预计不会有性能；它们也不会像现有的解算器那样经常受到关注和加速。但是每个基准都是不同的，所以你应该发布具体的例子，看看能做些什么。我有e现在将代码添加到原始帖子中。但是，是的，我理解。但是当从26个变量更改为49个变量时，速度会慢得多，这感觉有点奇怪。使用Yices（用SMTlib2编写和执行）它需要一毫秒左右。在这里使用Z3PY需要一分钟，有49个变量。非常感谢！现在它在不使用Distinct的情况下速度非常快。我使用了数百个软约束。但有一个问题。我运行了很多次，得到了很多值，然后计算中值。看看它的性能如何。在我更改t之前代码中，我使用了：set_option（'smt.random_seed'，random.randint（0，2**8）），这样它就不会在每次执行时产生完全相同的结果。但是现在，当不使用distinct时，这似乎不起作用。我现在在每次执行中都会得到完全相同的结果。你知道怎么做吗？你不应该真正依靠random seed来获得结果“不同的"模型。这种方法非常容易出错，因为它对解算器的内部结构非常敏感，即使看起来相对简单的更改也会停止工作。我建议使用随机数来调整变量的顺序。在我的代码中，有一个严格的顺序：
i0
等。在Python sid中使用随机种子e以获得不同的排序：
i43
等；而不是依赖解算器。（注意，这是
$ time python a.py
sat
[i_39 = 40,
 i_3 = 4,
 ...
 i_0 = 1,
 i_2 = 3]
python a.py  0.27s user 0.09s system 98% cpu 0.365 total