如何根据上述代码，将每次优化迭代的结果输出并保存，给出代码

你可以在主函数中加入如下代码，实现在每次迭代后输出并保存优化结果：

def main():
    # X坐标束条件
    Min_pump_zcjj = 26
    Max_pump_zcjj = 51
    # Y坐标约束条件
    Min_pump_bdljd = 26
    Max_pump_bdljd = 51
    # 靶点位置约束条件
    Min_pump_bdwz = 0
    Max_pump_bdwz = 1
    # 射孔厚度约束条件
    Min_pump_skhd = 1
    Max_pump_skhd = 5

    bounds = np.array([[Min_pump_zcjj, Max_pump_zcjj], [Min_pump_bdljd, Max_pump_bdljd], [Min_pump_bdwz, Max_pump_bdwz], [Min_pump_skhd, Max_pump_skhd]])
    target = -(train_optimize2[19])

    # 定义你的优化时间限制，输入是一个数值，表示你想要优化的最长时间（秒）
    timeout = 300
    
    #mean=np.array([CSX,CSY,Min_pump_bdwz,yhq_skhd])
    #mean = np.array([26,26,0,1])
    optimizer = CMA(mean=np.mean(bounds, axis=1), sigma=1, bounds=bounds, seed=0)
    
    # 定义保存优化结果的数组
    results = []
    
    # 开始优化
    for i in range(100):
        # 进行一次优化迭代
        x = optimizer.ask()
        fitness = np.array([target(x_i) for x_i in x])
        optimizer.tell(x, fitness)
        
        # 输出并保存当前迭代的最优解
        best_x = optimizer.best.x
        best_f = optimizer.best.f
        print("Iteration {}: Best solution - x = {}, f(x) = {}".format(i+1, best_x, best_f))
        results.append((best_x, best_f))
    
    # 保存优化结果
    np.save("optimization_results.npy", results)

在每次迭代后，将当前的最优解（best_x和best_f）输出到控制台，并将其保存在一个数组中。最后，使用numpy库的save函数将优化结果保存到一个npy文件中。你可以根据需要自己更改迭代次数和保存路径。