optimizer = CMA(mean=np.mean(bounds, axis=1), sigma=1, bounds=bounds, seed=0) # 初始化一个计时器，记录优化开始的时间 start_time = time.time() # 循环优化，直到达到优化目标或时间限制为止 while True: # 生成一个新的种群，每个个体是一个解向量 solutions = [] for _ in range(optimizer.population_size): x = optimizer.ask() x[0] = int(x[0]) x[1] = int(x[1]) if (x[0] == 1 and x[1] in [1, 51]) or (x[0] == 51 and x[1] in [1, 51]) or (x[0] == 26 and x[1] == 26): pass else: value = quadratic(x[0], x[1], x[2], x[3]) if (x[0] == 1 and x[1] in [1, 51]) or (x[0] == 51 and x[1] in [1, 51]) or (x[0] == 26 and x[1] == 26): pass else: solutions.append((x, value))

这段代码是使用CMA-ES算法进行参数优化的代码，其中的优化目标函数为quadratic(x[0], x[1], x[2], x[3])。在优化过程中，使用了一个种群，每个个体是一个解向量，通过不断迭代，寻找最优解。同时，在生成每个个体时，还进行了一些限制，如限制x[0]和x[1]不能同时等于1或51，以及限制x[0]和x[1]不能同时等于26。这些限制可能是为了避免出现一些无法处理的情况，或者是为了缩小搜索空间，加快优化速度。