引入PyQt5 GUI后仿真计算耗时大幅上升，多番优化尝试无效

你观察到的计算耗时暴涨，本质上是两个独立问题叠加导致的：

• 你当前的代码根本没有真正把仿真计算挪到独立工作线程，所有计算逻辑实际都在UI主线程上同步执行，主线程必须边跑计算边处理Qt的事件循环，CPU时间被大量切走处理系统/UI事件，自然比纯命令行无UI的版本慢近3倍。
• 你写的最小复现代码里的仿真循环本身存在Python层面的性能浪费，没有利用NumPy的向量化计算能力，纯双层Python循环本身的执行效率就很低。

• 所谓的QThread优化是无效的空操作：你只是定义了带信号的Simulator工作类，但没有按照QThread的正确使用流程完成绑定——既没有初始化独立的QThread实例，也没有把Simulator对象通过moveToThread绑定到工作线程，更没有把线程启动信号和计算逻辑做绑定。最终仿真计算还是在按钮点击的槽函数里直接同步调用，完全跑在UI主线程上，跟没做多线程没有区别。
• 屏蔽UI信号的代码本身有bug，且优化方向不对：你的wake_ui函数里所有子控件的blockSignals还是设为True，等于就算计算结束也没把信号放开；更核心的是，就算这个函数写对了，你屏蔽的只是子控件内部的信号触发，但QApplication本身的事件循环还是在不断接收系统窗口消息、处理渲染请求、调度定时器，这部分CPU占用根本不是靠屏蔽子控件信号能挡住的。

1. 搭好正确的QThread工作流，把计算完全从UI主线程剥离 #

按照下面的结构修改你的主窗口逻辑，绝对不要在按钮点击的槽函数里直接调用任何仿真计算逻辑，所有计算必须全部放在工作线程的run方法里执行：

class MainWindow(TemplateBaseClass):
    def __init__(self):
        TemplateBaseClass.__init__(self)
        self.setWindowTitle('window')
        self.ui = WindowTemplate()
        self.ui.setupUi(self)
        # 初始化独立的工作线程和仿真对象
        self.sim_thread = QtCore.QThread()
        self.sim_worker = Simulator(inputs=你的仿真输入参数)
        # 把仿真对象绑定到独立线程
        self.sim_worker.moveToThread(self.sim_thread)
        # 绑定信号槽：线程启动后自动跑仿真，仿真结束后清理线程
        self.sim_thread.started.connect(self.sim_worker.run_task)
        self.sim_worker.finished.connect(self.sim_thread.quit)
        self.sim_worker.finished.connect(self.sim_worker.deleteLater)
        self.sim_thread.finished.connect(self.sim_thread.deleteLater)
        # 进度信号绑定到UI的进度条更新
        self.sim_worker.progress.connect(self.update_progress_bar)
        # 按钮只负责启动线程，不做计算
        self.ui.buttonBox.clicked.connect(self.sim_thread.start)
        self.show()

    def update_progress_bar(self, value):
        # 进度条更新逻辑，不要在这里做其他复杂计算
        self.ui.progressBar.setValue(value)

这部分改完之后，UI主线程只负责处理界面响应，所有仿真计算都在独立线程上占用CPU执行，不会被UI事件打断，首先就能把你测到的300%的耗时涨幅消掉。

2. 修正屏蔽UI状态的函数，减少计算阶段的无效UI开销 #

把你之前写的sleep_ui/wake_ui函数的bug修正好，在仿真启动前调用sleep_ui，仿真结束后调用wake_ui，减少计算过程中UI的无效重绘、信号触发开销：

def sleep_ui(self):
    children = self.findChildren(QWidget)
    for child in children:
        child.blockSignals(True)
        child.setUpdatesEnabled(False)
        child.hide()

def wake_ui(self):
    children = self.findChildren(QWidget)
    for child in children:
        # 你之前这里写错成blockSignals(True)，必须改回False
        child.blockSignals(False)
        child.setUpdatesEnabled(True)
        child.show()

注意：这部分优化只是锦上添花，不要替代正确的多线程流程。

3. 优化仿真循环本身的执行效率 #

你的最小复现代码里的双层for循环遍历NumPy数组，是典型的Python慢代码——NumPy的核心优势就是把循环下沉到C层执行，不要用纯Python写逐元素遍历：

# 你之前的慢写法
tmax = 365*24*4
timev = np.linspace(0,tmax)
for i in timev:
    for i in timev:
        output = i*100

# 优化后的向量化写法，执行速度能提升几十到上百倍
tmax = 365*24*4
timev = np.linspace(0,tmax)
output = timev[:, np.newaxis] * 100

如果你的真实仿真逻辑里也有类似的逐时间步Python循环，尽量把可以并行计算的部分改成NumPy向量化实现，本身就能把1-2分钟的运行时间压缩到几秒级别。

4. 控制UI信号的发送频率 #

如果你的仿真需要上报进度，不要每个时间步都发一次信号给UI——这会导致大量信号排队送到UI主线程，占满事件循环的处理时间。改成每累计跑100个时间步、或者总进度达到5%的时候再发一次进度信号，既不影响用户看到进度更新，也不会给主线程造成太大压力。

内容的提问来源于stack exchange，提问作者Dyami A