我正在尝试使用PuLP，但它需要 50秒来添加4000个约束（包含67个变量）。解决问题只需要几分之一秒。
我们希望使用PuLP轻松测试一系列问题上的几个求解器。
它应该花多长时间服用PuLP？直接使用PyGLPK只需要一小部分时间，包括设置和求解，所以我希望不会。如何提高PuLP中此步骤的效率？
更新
我的约束矩阵非常稀疏，并且我能够通过仅包括非零系数来将该特定问题的建立时间减少到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子进程解决问题，并且比PuLP更有效地解析解决方案，因为我可以在几毫秒内编写输入文件PuLP需要几秒钟。我仍然不确定为什么会这样。
答案 0 :(得分：8)
我没有足够的代表发表评论。
但是你看过这个：
https://groups.google.com/forum/#!topic/pulp-or-discuss/p1N2fkVtYyM
问的问题是：
"The problem is solved in less than 0.5 second.
However setting it up with PULP takes more than 10 seconds. "
这似乎也是你报告的内容。解决方案是不使用+ =或sum（...）运算符，而是如链接中所解释的那样：
yeah using the += operator with pulp is really slow, as is using sum()
instead of lpSum()
所以也许您一次将约束1添加到PuLP而不是先构建约束列表，然后最后将约束添加到PuLP中？
答案 1 :(得分：1)
我有一个类似的问题，我的目标函数使用的表达式具有> 10,000个变量。根本原因与原始海报所见相同。与pulp.LpAffineExpression相比，在sum数组上使用pulp.LpVariable确实很慢。根据接受的答案中的Google网上论坛讨论，我能够使我的代码运行得更快。我知道这是一个古老的问题，但是会为不耐烦的人提供一些抽象代码。
原始目标如下：
sum([x * k for x in xs] + ys)
其中xs是pulp.LpVariable的列表，k是浮点常量，而ys是pulp.LpVariable的另一个列表。
一个更快的版本是：
pulp.LpAffineExpression([(x, k) for x in xs] + [(y, 1.0) for y in ys])
我没有精确地计时两个版本。为了了解时差，在运行慢版本时，我能够在Internet上搜索为什么纸浆可能会变慢的原因，找到这个StackOverflow问题，阅读链接的讨论，并在表达式完成求值之前更新我的代码。第二个版本需要几秒钟。