如何使用PuLP最小化由自定义函数计算的整数参数目标值？

你遇到的核心问题是PuLP作为线性/混合整数线性规划工具，无法直接处理黑箱非线性目标函数：

• PuLP的LpVariable是抽象的符号变量，不是具体整数，不能直接传入需要实际整数的pandas rolling方法，这是报错的直接原因。
• 更关键的是，PuLP的求解器只能解析由决策变量线性组合构成的目标和约束，你的自定义func_to_minimize属于黑箱函数（内部是pandas数据处理逻辑，无法转化为线性表达式），无法被PuLP直接识别。

方案一：枚举所有整数参数组合（适合参数范围较小的场景） #

你的参数范围非常有限：param1取2-10的整数，param2取2-20的整数，总共只有9×19=171种组合，完全可以暴力枚举所有可能，找到使目标值最小的参数集。

修改后的代码实现：

import pandas as pd

class ComplexClass():
    
    def __init__(self, path_data:str):
        d = {'col1': [i for i in range(100)], 'col2': [i**2 for i in range(100)]}
        self.df = pd.DataFrame(data=d)
        
    def eval_value(self, param: list):
        p1, p2 = param
        self.df['col3'] = self.df['col1'].rolling(window=p1).mean()
        self.df['col4'] = self.df['col2'].rolling(window=p2).mean()
        self.df['col5'] = self.df['col3']+self.df['col4']
        return self.df['col5'].iloc[-1] 

path = './path2data/data.csv'
my_class = ComplexClass(path_data=path)

# 枚举所有可能的参数组合
min_value = float('inf')
best_params = None

for p1 in range(2, 11):
    for p2 in range(2, 21):
        current_value = my_class.eval_value([p1, p2])
        if current_value < min_value:
            min_value = current_value
            best_params = [p1, p2]

print(f"最优参数集: {best_params}")
print(f"最小目标值: {min_value}")

方案二：使用黑箱优化工具（参数范围大时推荐） #

如果后续参数范围扩大，枚举不再可行，建议使用专门处理黑箱优化的工具（如Optuna、Hyperopt），这类工具原生支持整数参数优化，且能高效搜索最优解，无需依赖线性规划的约束。

原代码中prob += func_to_minimize([x1, x2], my_class)的错误本质是：

• x1和x2是PuLP的LpVariable对象，不是具体整数，无法作为rolling(window=...)的参数。
• PuLP无法将你的自定义数据处理逻辑转化为求解器能识别的线性表达式，因此无法直接将黑箱函数作为目标函数。

内容的提问来源于stack exchange，提问作者Hedwin