我对Pyomo生成具有大量约束和变量（约10e6）的OR模型的性能感兴趣。我目前使用GAMS来启动优化，但我想使用不同的python特性，因此使用Pyomo来生成模型。pyomo生成具有大量约束条件的模型的性能
我做了一些测试，显然当我编写模型时，每次约束被实例化时都会调用用于定义约束的python方法。在继续进行实现之前，我想知道是否存在一种直接根据numpy数组数据创建约束块的方法？从我的角度来看，对于大型模型，通过块构建约束可能更有效。
您认为使用pyomo或其他python建模库可以获得与GAMS或其他AML语言相媲美的性能吗？
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。为什么它值得，我不相信你可以用AMPL或GAMS这样的语言。尽管Pyomo可能最终支持用户使用矩阵和向量操作来定义约束，但是该接口不可能避免产生个体约束，因为求解器接口（例如，NL，LP，MPS文件）都是“平坦”的表示，代表个人约束。这是因为Pyomo需要明确地生成代数（即表达式）的表示以发送给求解器。相比之下，NumPy只需要就可以计算出的结果：它通过在C/C++后端创建数据（即，Python中的而不是）来获得效率，依靠低级BLAS操作来高效计算结果，并且仅将结果带回Python。
就性能和可扩展性而言，我生成了超过13e6个变量和21e6约束的原始模型。也就是说，Pyomo的设计灵活性和可扩展性超过了速度。使用cPython时，Pyomo中的运行时可能比AMPL慢一个数量级（尽管可以使用pypy缩小到4或5倍）。至少在历史上，AMPL比GAMS更快，所以Pyomo和GAMS之间的差距应该更小。
非常感谢您的回答，我一直对Pyomo有这个疑问。但是，你能否进一步澄清下面的部分？ >解算器接口都是“平坦”的表示，明确地[ly]表示单个约束。 Pyomo需要显式生成_algebra_（即表达式）的表示以发送给求解器。相反，NumPy只需计算结果：通过依靠低级别BLAS操作在C/C++后端创建数据来有效计算结果，并仅将结果返回至蟒蛇。 –
这与矩阵表示的情况有何不同，还是写出标量形式的联立线性方程组？求解器输入文件当然会有一些矩阵方式来表示大量的约束？或者你是否说因为稀疏而不是这种情况？ –
据我所知，标准解算器输入格式不支持“矩阵式”指定约束。对于线性解算器，标准格式是LP（基于行）和MPS（基于列）。两者都明确列出“A”矩阵中的所有非标度。对于一般的非线性，确实没有标准格式。 AMPL的NL格式是最接近的，并且是基于行的。一些凸求解器支持矩阵样式输入，但这些不是一般非线性求解器通常采用的格式。 – jsiirola
我也想知道同样的，当我碰到这片由乔纳斯HORSCH和汤姆·布朗的代码，这是非常有用的对我说：
https://github.com/FRESNA/PyPSA/blob/master/pypsa/opt.py
他们定义的类来更有效地比定义约束最初的Pyomo解析器做的。我对我有的大型模型做了一些测试，大大缩短了生成时间。
通常GAMS比Pyomo快（并且在我的模型上通常也比AMPL快，特别是当我们有很多数据操作步骤但我知道AMPL显着更快的模型时）。 –