SciPy优化模块性能回归分析：linprog函数在1.15版本的速度下降问题

问题背景

在科学计算领域，线性规划是最基础的优化问题之一。SciPy作为Python生态中重要的科学计算库，其optimize模块提供的linprog函数是解决线性规划问题的核心工具。2025年初，用户反馈从SciPy 1.14升级到1.15版本后，使用highs求解器的linprog函数性能出现显著下降——相同问题的求解时间从1.9秒增加到15.2秒，性能退化约8倍。

技术分析

性能对比

通过用户提供的基准测试可以看出：

• SciPy 1.14版本中，100次调用耗时1.784秒（单次约0.018秒）
• SciPy 1.15版本中，100次调用耗时14.086秒（单次约0.141秒）

性能热点分析显示时间消耗主要发生在_highs_wrapper.py模块，这表明问题可能出在HiGHS求解器的接口层。

问题根源

经过开发团队确认，该问题与之前记录的#22655号问题相同。这类性能退化通常由以下原因导致：

1. 接口层增加了额外的数据转换或验证步骤
2. 求解器参数默认值发生变化
3. 内存管理策略调整
4. 多线程/并行处理机制变更

在HiGHS求解器的集成过程中，可能引入了不必要的中间数据拷贝或参数处理逻辑，导致调用开销增加。

解决方案

开发团队已确认该问题在后续版本中修复。对于遇到类似问题的用户，建议：

1. 临时解决方案：

   • 继续使用SciPy 1.14版本
   • 考虑其他求解器如'interior-point'或'revised simplex'

2. 长期方案：

   • 升级到包含修复的SciPy新版本
   • 监控求解器参数的设置，避免不必要的默认值

最佳实践建议

1. 版本升级策略：

   • 重要项目升级前应进行性能基准测试
   • 使用固定版本号(pinning)确保环境一致性

2. 性能优化技巧：

   • 对于大规模问题，预先转换数据为稀疏矩阵格式
   • 合理设置求解器参数（如迭代次数容差等）
   • 考虑问题预处理（如标准化系数矩阵）

3. 监控与调试：

   • 使用Python的cProfile模块定期分析优化过程
   • 关注求解器的日志输出和状态信息

总结

科学计算库的性能稳定性对研究工作至关重要。这次事件提醒我们：

• 版本升级需要谨慎评估
• 社区反馈对发现问题具有重要价值
• 成熟的数值计算库也需要持续的性能优化

建议用户关注SciPy的更新日志，及时获取性能改进和问题修复信息。对于关键业务系统，建立完善的性能监控和测试体系是保障稳定性的必要措施。