我正在尝试使用 PuLP，但添加 4000 个约束（包含 67 个变量）需要50 秒。解决问题只需要几分之一秒。
我们希望使用 PuLP 轻松测试大量问题的多个求解器。
纸浆需要这么长时间吗？直接使用 PyGLPK 只需要几分之一秒，包括设置和求解，所以我希望不会。我可以做些什么来提高纸浆中这一步的效率？
更新
我的约束矩阵非常稀疏，我能够通过仅包含非零系数将这个特定问题的设置时间减少到 4 或 5 秒。我仍然能够编写自己的 .lp 或 .mps 格式的文件，使用 cbc 或 glpsol 子进程解决问题，并且比 PuLP 更有效地解析解决方案，这仅仅是因为我可以在 PuLP 时在几毫秒内编写输入文件需要几秒钟。我仍然不确定为什么会这样。
我没有足够的代表发表评论。
但是你有没有看过这个：
https://groups.google.com/forum/#!topic/pulp-or-discuss/p1N2fkVtYyM
问题被问到：
"The problem is solved in less than 0.5 second.
However setting it up with PULP takes more than 10 seconds. "
这似乎也是您报告的内容。解决方案是不使用 += 或 sum(...) 运算符，而是如链接中所述：
yeah using the += operator with pulp is really slow, as is using sum()
instead of lpSum()
因此，也许您一次将约束 1 添加到 PuLP，而不是先构建约束列表，然后在最后将约束添加到 PuLP？
我有一个类似的问题，我的目标函数使用了一个包含 > 10,000 个变量的表达式。根本原因与原始海报看到的相同。与. sum_ pulp.LpVariable_ pulp.LpAffineExpression根据接受的答案中的 Google Groups 讨论，我能够使我的代码运行得更快。我知道这是一个老问题，但会为不耐烦的人提供一些抽象代码。
最初的目标是这样的：
sum([x * k for x in xs] + ys)
其中xs是 的列表pulp.LpVariable，k是浮点常数，ys是 的另一个列表pulp.LpVariable。
一个更快的版本是：
pulp.LpAffineExpression([(x, k) for x in xs] + [(y, 1.0) for y in ys])
我没有准确计时任何一个版本。为了了解时差，在运行慢版本时，我能够在互联网上搜索为什么纸浆可能会这么慢，找到这个 StackOverflow 问题，阅读链接的讨论，并在表达式完成评估之前更新我的代码. 第二个版本需要几秒钟。