您可以使用Python的多处理程序包实现基于进程的并行。
下面是使用池的Gurobi 9的一些示例代码：
将多处理作为mp导入
导入gurobipy作为gp
def解算模型（输入数据）：
将gp.Env（）作为环境，将gp.Model（Env=Env）作为模型：
#定义模型
model.optimize（）
#从模型中检索数据
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
使用mp.Pool（）作为池：
map（求解_模型，[input_data1，input_data2，input_data3]
请注意，基于线程的并行性（例如使用线程模块）是不可能因为当前gurobipy模块不是线程安全的。
环境
使用多处理时，每个进程都应该创建自己的环境。另外，请注意，您应该确保正确关闭您的环境并处置您的模型。从Gurobi 9开始，您可以使用以下模式，在离开with块时自动放弃您的模型和环境：
使用gp.Env（）作为环境，gp.Model（Env=Env）作为模型：#剩余的模型代码
对于Gurobi 8及更早版本，您必须使用：
env=gp.env（）
模型=总模型（环境=环境）
#剩余型号代码
del模型
德尔恩夫
macOS 10.13及更高版本的问题
多处理程序包支持启动子进程的不同方法。在Python3.7之前，macOS上的默认方法是forking。但是，在macOS 10.13及更高版本上，存在一些问题：没有exec的Fork可能会使子进程崩溃；看见在这里. 在这种情况下，应该使用“spawn”。要改变这一点，您可以使用
mp.set\u start\u方法（“生成”）
全局更改设置。或使用
使用mp.get_context（“spawn”）.Pool（）作为池：
# ...
仅为一个池更改它。
从Python3.8开始，生成已经是macOS上的默认设置。
看见在这里了解更多信息。
关键词：
优化异步