CPLEX CP Optimizer中，转为元组后如何删除稀疏数组参数优化内存？

一、未使用参数数组的内存占用怎么查？ #

如果是Python环境，sys.getsizeof()只能获取对象本身的大小，无法计算嵌套元素的实际内存占用。推荐用pympler库的asizeof函数递归统计真实内存：

from pympler import asizeof
# 替换成你的参数数组变量名
print(f"数组实际占用内存：{asizeof.asizeof(your_sparse_array)/1024/1024:.2f} MB")

要是用Gurobi、CPLEX这类求解器，它们自带的模型统计工具（比如Gurobi的model.printStats()）能查看模型相关内存，但原参数数组属于Python变量，还是得用上述Python工具排查。

二、能不能删除这些未使用的数组？当然可以！ #

只要这些数组已经完成元组创建，后续模型构建和求解不再用到，完全可以删除以释放内存。

三、具体怎么操作？ #

1. 清理变量引用：
   • 直接将变量置空：your_sparse_array = None
   • 或者用del删除变量：del your_sparse_array
     注意：如果有其他变量也引用了这个数组，必须清理所有引用，垃圾回收器才会回收对应内存。
2. 手动触发垃圾回收：
   Python垃圾回收器会自动工作，但可以手动强制触发，加快内存释放：

   import gc
   gc.collect()
   

3. Jupyter环境特殊处理：
   如果在Jupyter notebook中，内核会缓存变量，可使用%reset -f命令清理所有变量（谨慎操作，会删除所有已定义变量），或者直接重启内核。

四、删除后能改善内存问题吗？ #

绝对可以。只要原数组确实占用了可观内存，删除后会直接释放这部分空间，降低整体内存负载，减少因内存不足导致求解终止的概率。

需要注意：如果元组是直接引用原数组的元素（而非值拷贝），原数组的内存不会被释放，直到元组也被回收。但一般从稀疏数组提取元素构建元组时，都是生成独立的值，所以删除原数组完全安全。

额外优化建议 #

• 从源头减少内存占用：读取Excel时直接生成元组，跳过中间数组环节。比如用pandas读取后，直接遍历稀疏行生成所需元组，不用先把整个稀疏数据存成数组。
• 排查求解器本身的内存占用：有时候模型的变量、约束才是内存占用的大头。可以用求解器的参数设置（比如Gurobi的MemLimit）限制内存使用，或者查看求解日志里的内存消耗统计，针对性优化模型结构。

内容的提问来源于stack exchange，提问作者angie