Python scipy.optimize如何将x值约束到最小化函数中的整数？

我正在尝试使用scipy.optimize中的函数

从文档中，我可以为x设置边界（例如：[0,12]）。但是，我不知道如何将它们设置为整数

ans = minimize(lambda x: total_rsquared(training_size, x),
                   [0,1,2,3,4],
                   method='SLSQP',
                   constraints=cons,
                   bounds=([0, 12], [0, 12], [0, 12], [0, 12], [0, 12]))

---

当我尝试使用上述代码时，x被设置为十进制值（例如：[1.0 11.1 5.4 6.9 3.4]）。如何将x值设置为整数？？谢谢

你不能。scipy中没有一个可用的解算器支持混合整数规划。（这种离散性只会使这些问题在总体上更加困难）。如果你的函数是凸函数，并且定义为非整数，如果你能找到全局最优解，你需要使用一些支持MINLP的库（或者更具体的库，如果你事先知道你的问题结构：你的func的名称表示一个比MINLP更容易解决的MIQP/MISOCP问题），使其最小化的整数是这个全局极小值的一个邻居（例如：在1D中，如果你发现最小值为x=5.2，则最小整数为5或6）