代替Sum Function，可在Python中的LP中获得更好的时间性能

Question

所以我使用PULP在Python中为复杂的LP建模时，出于某些原因，我决定在Optlang中测试对相同问题的建模，但是我注意到Optlang添加了一些约束时间太长，那时我想起了PULP具有返回针对Sums的自定义类LpAfineExpression的LpSum，对于Optlang，我必须使用默认的Sum函数。

我的猜测是：Sum函数使Optlang建模花费的时间太长，所以我想知道是否有更好的方法来实现Sum。

这是我用来在Optlang中添加约束的代码，其中 Per，Emp，Blocks，FT 是列出变量和系数的索引的列表，分别为2154、8、1 ，1个元素。

for (j,k) in product(Per,Emp):
    opt_model.add(optl.Constraint(sum(x_vars[i,j,k,l,Frentes[i]]*TCH[i,j,k,l,Frentes[i]] for (i,l) in product(Blocks,FT) if "F{}{}{}{}{}".format(i,j,k,l,Frentes[i]) in Variables),ub=MOA_max[j,k],lb=MOA_min[j,k],name="TCH{}|{}".format(j,k)))

PS：PULP和Optlang之间的时间差大约是2分钟到20分钟。