1. 是否可以不通过Pyomo/PuLP/PyGLPK，直接用Python调用GLPK？ #

当然可以！你有两种主要方式实现：

• 通过subprocess调用GLPK的命令行工具：GLPK本身自带命令行工具glpsol，你可以在Python里用subprocess模块直接执行这个命令，读取求解结果。比如先把线性规划问题写成.lp格式的文件，再调用命令求解：

  import subprocess
  
  # 假设你的LP问题已经存放在model.lp文件中
  result = subprocess.run(
      ["glpsol", "--cpxlp", "model.lp", "--output", "solution.txt"],
      capture_output=True,
      text=True
  )
  
  # 读取并输出求解结果
  if result.returncode == 0:
      with open("solution.txt", "r") as f:
          print(f.read())
  else:
      print("求解出错：", result.stderr)
  

• 通过ctypes直接调用GLPK的C库：GLPK是用C语言开发的，Python的ctypes模块可以直接加载它的动态链接库（比如libglpk.so或glpk.dll），调用底层的C API构造和求解问题。这种方式不需要生成LP文件，直接在内存中操作，但需要你熟悉GLPK的C API细节，代码会相对繁琐。

2. Pyomo/PuLP/PyGLPK是强制依赖吗？ #

完全不是强制的！这些库本质上是Python封装层，目的是让你用更贴近Python习惯的语法定义和求解LP问题，不用直接和GLPK的命令行或C API打交道。

它们的语法确实和纯Python原生写法有差异，但换个角度看：如果不用这些封装库，你要么得手动编写LP格式文件，要么得用ctypes写一堆和C API交互的代码，反而可能更麻烦。不过如果你实在不想适配这些库的语法，完全可以跳过它们，直接用上面提到的两种方式调用GLPK，没有任何技术障碍。

简单总结：封装库是“便利工具”而非“必需品”，选哪种方式取决于你对开发效率和底层控制的需求。

内容的提问来源于stack exchange，提问作者Jaice