在许多情况下，可以将（实际上是）的函数。如果该函数是凸函数并且最好是可微的（因此它具有梯度），那么您可以使用传统的连续优化技术来最小化扩展函数。然而，四舍五入扩展函数的最小值并不足以得到原始函数的最小值。相反，您通常会将其嵌入到分支定界算法中，以找到原始函数的最小值。 $f$$R^{n}$$[0,2]^{n}$$R$

你有所谓的整数优化问题。就像 Brian 已经提到的那样，有一些方法可以将目标函数的延续用于所有作为算法的一部分，但最终您将不得不处理问题的整数性质。${\mathbb R}^n$

有很多关于这个主题的教科书。在您当地的图书馆中查找一个，以获得您正在考虑的问题的解决方案算法的基础知识。