从易用性、稳定性、维护靠谱程度等方面比较都可以

CVXOPT：https://github.com/cvxopt/cvxopt
OpenOpt：https://github.com/troyshu/openopt
PuLP：https://github.com/coin-or/pulp
Pyomo：https://github.com/Pyomo/pyomo
scipy.optimize ：https://github.com/scipy/scipy
pyOpt：http://www.pyopt.org/
scikit-opt：https://github.com/guofei9987/scikit-opt

也欢迎补充更多优秀的优化算法包！

上面的网站感谢原作者分享，链接：
作者：空林玄一
链接：https://zhuanlan.zhihu.com/p/93396423
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

论靠谱那肯定是scipy了。其他的如果是常规的凸优化，python不如matlab的yalmip和julia的juMP易用。

...
用火焰图：优化‘foo ()‘ 为我们节省了6.6万美金

火焰图帮助我们能立即发现foo() 是我们代码中的瓶颈。进行优化之后，我们大幅降低中央处理器的利用率。

这代表你的中央处理器的总利用率下降了66％。若你之前为了服务器支付10万美元，那现在只需要3.4万美元就能处理等量的负荷。
如何使用性能分析来调试Python的性能问题 【使用火焰图找出问题根源】 - 知乎 https://zhuanlan.zhihu.com/p/351964245