pymoo.optimize.minimize可以返回变异之后选择之前的种群吗

`pymoo.optimize.minimize` 是 pymoo 这个优化库中的一个核心功能，用于寻找某个优化问题（如单目标或多目标优化）的最佳解。这个函数通常处理的是算法的核心优化过程，包括种群生成、适应度评估、交叉、变异等操作，最终的目标是找到一组接近全局最优的解决方案。

`minimize` 函数并不会直接返回变异后但未进行选择前的完整种群。这是因为这些中间步骤的数据，比如完整的代际数据或每个个体的历史适应度值，通常不会被作为结果输出，因为它们可能很大，不便于存储或不是最终用户的直接需求。用户通常关心的是最优化的结果（如 Pareto 面、最佳个体、适应度分布等）以及可能的一些统计信息。

如果你需要查看整个优化过程中的详细信息，如所有迭代的种群状态，你可以设置合适的日志级别或使用回调函数 (`callbacks`) 来记录这些数据。例如，你可以自定义一个 `History` 对象，然后在每次迭代后添加种群信息。

如果你想获取变异后的个体，可以在循环内部应用变异操作，然后保存这些变异体。这里有一个简化的例子：

from pymoo.algorithms.so_genetic_algorithm import GA
from pymoo.optimize import minimize

def callback(x):
    mutated_population = algorithm.pop.apply_mutation()
    # 保存或处理 mutated_population...

algorithm = GA(pop_size=50, ...)

# 如果你需要记录历史，请传递 History() 到 minimize 中
result = minimize(problem,
                  algorithm,
                  termination=('n_gen', 10),
                  callback=callback)

# 或者在单独的循环中执行并保存变异体
for i in range(10):  # 假设你想做10次变异
    algorithm.n gen += 1
    algorithm.do(self_eval=True)
    mutated_population = algorithm.pop.apply_mutation()
    # 对 mutated_population 进行处理...