OR-Tools使用多进程创建约束报错：无法pickle SwigPyObject对象

你遇到的TypeError: can't pickle SwigPyObject objects错误根源很明确：OR-Tools的核心对象（比如solver.Constraint）是Swig封装的C++对象，这类对象不支持Python的pickle序列化机制。而Python多进程间的通信（包括你用multiprocessing.Manager管理的共享列表）依赖pickle来传递对象，所以当你试图在子进程中创建Constraint并放到共享列表时，必然会触发序列化失败的错误。

另外还有一个容易忽略的关键点：OR-Tools的求解器实例是进程绑定的——每个进程必须拥有自己独立的求解器对象，跨进程共享求解器或其衍生的约束/变量对象是完全不被支持的，会导致底层C++对象的状态混乱。

正确的思路是让子进程只负责计算约束的参数（比如变量索引、系数值、上下界），然后将这些可序列化的纯Python数据传递回主进程，由主进程统一创建约束并添加到求解器中。这样既避开了序列化Swig对象的问题，也符合OR-Tools的使用规范。

修改后的代码示例 #

from ortools.linear_solver import pywraplp
from multiprocessing import Pool

def compute_constraint_params(i):
    # 子进程只做纯Python数据的计算：比如约束的上下界、变量系数等
    # 这里替换成你实际的约束参数计算逻辑
    lower_bound = 1
    upper_bound = 10
    # 用字典存储变量索引与对应系数（示例：第i个变量系数为1.0）
    coeffs = {i: 1.0}
    return (lower_bound, upper_bound, coeffs)

if __name__ == '__main__':
    N = 100  # 假设总约束数量
    # 主进程创建求解器与变量
    solver = pywraplp.Solver.CreateSolver('SCIP')
    variables = [solver.NumVar(0, solver.infinity(), f'x_{i}') for i in range(N)]

    # 用进程池并行计算所有约束的参数
    with Pool() as pool:
        constraint_params_list = pool.map(compute_constraint_params, range(N))

    # 主进程统一创建约束并添加到求解器
    constraints = []
    for idx, (lb, ub, coeffs) in enumerate(constraint_params_list):
        ct = solver.Constraint(lb, ub, f'ct_{idx}')
        for var_idx, coeff in coeffs.items():
            ct.SetCoefficient(variables[var_idx], coeff)
        constraints.append(ct)

    # 后续继续定义目标函数、执行求解等逻辑
    objective = solver.Objective()
    # ... 省略目标函数定义代码 ...
    status = solver.Solve()

关键细节说明 #

1. 分离计算与约束创建：子进程只处理可序列化的数据（整数、浮点数、字典等），完全不触碰OR-Tools的求解器对象，避开序列化限制。
2. 主进程独占求解器：所有和求解器相关的操作（创建变量、约束、求解）都在主进程完成，确保求解器对象的状态一致性。
3. 用进程池简化管理：Pool会自动处理进程的创建、销毁和通信，比手动调用start()/join()更简洁高效。

如果你的约束参数计算逻辑本身耗时很长，这种并行化方式能有效压缩总耗时，同时完全符合OR-Tools的使用要求。

内容的提问来源于stack exchange，提问作者samie