当然有更简洁的方式啦！你可以通过预定义f值的映射关系，把原本拆分的两个约束合并成一个统一的约束生成语句，代码会更紧凑易读。

具体步骤： #

1. 先为每个i ∈ P∪D定义对应的f值，用字典来存储这个映射：

# 初始化f的映射字典
f_map = {}
# 给P中的元素赋值f=1
for i in P:
    f_map[i] = 1
# 给D中的元素赋值f=-1
for i in D:
    f_map[i] = -1

或者用更简洁的字典推导式写法：

f_map = {i: 1 for i in P}
f_map.update({i: -1 for i in D})

2. 然后直接基于这个映射生成所有约束，不用拆分：

# 针对P∪D中的所有i，统一添加约束
m.addConstrs(
    (quicksum(x[i]) + quicksum(y[i]) == f_map[i] for i in P.union(D))
)

如果你的P和D是Python集合，还可以用更简洁的P | D代替P.union(D)：

m.addConstrs(
    (quicksum(x[i]) + quicksum(y[i]) == f_map[i] for i in P | D)
)

为什么这个方法可行？ #

Gurobi的addConstrs()方法支持通过迭代器批量生成约束，只要在迭代过程中能为每个i正确匹配到对应的f值就行。通过字典映射把f的取值逻辑提前封装好，就可以用一条语句完成所有约束的添加，避免重复代码。

如果你的x或y是多维决策变量（比如x[i,j]），只需要调整quicksum的参数（比如quicksum(x[i,j] for j in J)），核心的映射思路完全通用。

内容的提问来源于stack exchange，提问作者Sabreen