我对 Pyomo 生成具有大量约束和变量（大约 10e6）的 OR 模型的性能感兴趣。我目前正在使用 GAMS 来启动优化，但我想使用不同的 python 功能，因此使用 Pyomo 来生成模型。
我做了一些测试，显然当我编写模型时，每次实例化约束时都会调用用于定义约束的 python 方法。在进一步实施之前，我想知道是否存在一种基于 numpy 数组数据直接创建约束块的方法？从我的角度来看，按块构造约束对于大型模型可能更有效。
您认为使用 pyomo 或其他 python 建模库可以获得与 GAMS 或其他 AML 语言相当的性能吗？
在此先感谢您的帮助 ！
虽然您可以在创建 Pyomo 约束时使用 NumPy 数据，但您目前无法使用 Pyomo 在单个 NumPy 样式命令中创建约束块。值得一提的是，我不相信你可以使用像 AMPL 或 GAMS 这样的语言。虽然 Pyomo 最终可能支持用户使用矩阵和向量操作定义约束，但该接口不太可能避免生成单独的约束，因为求解器接口（例如，NL、LP、MPS 文件）都是明确的“平面”表示表示个别约束。这是因为 Pyomo 需要显式生成代数的表示（即表达式）以发送给求解器。相比之下，NumPy 只需计算结果：它通过在 C/C++ 后端（即，不是在 Python 中）中创建数据，依靠低级 BLAS 操作来有效地计算结果，并且只将结果返回给 Python 来提高效率。
就性能和可扩展性而言，我已经生成了具有超过 13e6 个变量和 21e6 个约束的原始模型。也就是说，Pyomo 的设计目的是为了提高速度的灵活性和可扩展性。使用 cPython 时，Pyomo 中的运行时间可能比 AMPL 慢一个数量级（尽管使用 pypy 可以缩小到 4 或 5 倍）。至少从历史上看，AMPL 一直比 GAMS 快，所以 Pyomo 和 GAMS 之间的差距应该更小。
当我遇到 Jonas Hörsch 和 Tom Brown 的这段代码时，我也有同样的疑惑，它对我非常有用：
https://github.com/FRESNA/PyPSA/blob/master/pypsa/opt.py
它们定义类以比原始 Pyomo 解析器更有效地定义约束。我对我拥有的大型模型进行了一些测试，它大大减少了生成时间。