如何让SciPy minimize优化器的首个参数仅为奇数整数？

我尝试使用SciPy optimize模块的minimize函数对自定义代价函数进行优化：

result = minimize(cost_function, initial_params, args = (TEXT_IMG, BINARY_MASK), method = 'BFGS')

初始参数设置如下：

initial_params = np.array([31, 2, -7])

但minimize会在31附近迭代出浮点数，导致我的代价函数崩溃。我需要首个参数始终为奇数整数（例如31、29、33这类），想知道是否可以通过设置边界与约束实现这一点？另外我了解到可能需要改用differential_evolution替代minimize，希望确认该方案是否必要，或是否有其他解决办法。

代价函数代码：

def abs_diff(mask1, mask2):
    diff = np.abs(mask1 - mask2)
    mean_diff = np.mean(diff)
    return mean_diff

def cost_function(params, text_img, binary_mask):
    blockSize, C, h = params
    hColor = -3
    templateWSize = 5
    searchWSize = 5

    denoised = cv2.fastNlMeansDenoisingColored(text_img, h, hColor, templateWSize, searchWSize)
    gray_denoised = cv2.cvtColor(denoised, cv2.COLOR_BGR2GRAY)
    imgf = cv2.adaptiveThreshold(gray_denoised, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, blockSize, C)

    error = abs_diff(binary_mask * 255, imgf)
    return error

1. 临时修复：在代价函数中强制转换参数为奇数整数 #

这是最快的解决方式，无需更换优化器。在代价函数开头对第一个参数做处理，确保它是奇数整数：

def cost_function(params, text_img, binary_mask):
    # 将blockSize转为最近的奇数整数
    blockSize = int(np.round(params[0]))
    if blockSize % 2 == 0:
        blockSize += 1  # 若为偶数则加1变奇数，也可根据需求改为减1
    C, h = params[1], params[2]
    # 后续原有代码保持不变...

这种方式允许minimize正常迭代浮点数，但实际传入OpenCV函数的是处理后的合法奇数参数。缺点是代价函数会变成非光滑函数，可能影响BFGS这类依赖梯度的优化器的收敛效率，但如果参数范围不大，实际使用中往往能满足需求。

2. 变量映射配合整数约束（效果有限） #

可以将第一个参数映射为整数变量：令blockSize = 2*k + 1，其中k为整数。此时优化变量变为[k, C, h]，初始参数对应k=(31-1)/2=15，即initial_params = np.array([15, 2, -7])。之后在代价函数中计算blockSize = 2*k +1。

但BFGS仍会将k迭代为浮点数，因此最终还是需要在代价函数中将k转为整数，本质上和第一种方案类似，只是变量形式不同，没有解决根本问题。

3. 改用支持离散/整数变量的优化器（推荐长期方案） #

BFGS这类基于梯度的优化器是为连续变量设计的，天生不适合处理离散约束。如果临时修复的收敛效果不理想，更换优化器是更合理的选择：

• differential_evolution：支持通过integer参数指定哪些变量为整数，之后只需在代价函数中确保第一个整数参数为奇数即可。示例代码：

  from scipy.optimize import differential_evolution
  
  # 定义参数边界，第一个参数范围设为合理的整数区间
  bounds = [(1, 51), (-10, 10), (-10, 10)]
  # 指定第一个变量为整数
  result = differential_evolution(cost_function, bounds, args=(TEXT_IMG, BINARY_MASK), integer=[0])
  

  同时修改代价函数确保blockSize为奇数：

  def cost_function(params, text_img, binary_mask):
      blockSize = params[0]
      if blockSize % 2 == 0:
          blockSize += 1  # 强制转为奇数
      # 后续原有代码保持不变...
  

• 此外，shgo、dual_annealing等全局优化器也能更好地适配离散变量场景，可根据需求选择。

总结 #

• 若仅需快速解决问题，优先选择代价函数内强制转换参数的方案，无需更换优化器，但可能影响收敛效率。
• 若追求更稳定的优化效果，改用differential_evolution这类支持整数变量的优化器是必要的，BFGS本质上无法妥善处理离散约束。

内容的提问来源于stack exchange，提问作者Javier Blanco