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]])

这是一个定义搜索空间的示例代码，其中 `bounds` 变量是一个 NumPy 数组，用于指定搜索空间的边界。在这个示例中，`bounds` 数组的每一行分别对应搜索空间的一个维度，包含两个元素，分别表示该维度的最小值和最大值。

例如，`bounds[0]` 表示搜索空间的第一个维度的边界，其中 `Min_pump_zcjj` 和 `Max_pump_zcjj` 分别表示该维度的最小值和最大值。在这个示例中，搜索空间共有四个维度，分别对应 X 坐标、Y 坐标、靶点位置和射孔厚度。

在使用 `bounds` 数组时，你可以将其作为选项字典的一部分传递给优化算法，例如：

import cma

# 定义搜索空间边界
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]])

# 使用 CMAEvolutionStrategy 对象进行优化
optimizer = cma.CMAEvolutionStrategy(
    x0=[0, 0, 0, 0],  # 初始搜索点
    sigma0=1,  # 初始搜索步长
    inopts={'bounds': bounds},  # 搜索空间边界
)

在这个示例中，我们使用了 `inopts` 参数来传递包含搜索空间边界的选项字典。注意到我们将 `bounds` 数组作为选项字典的一部分传递给了优化算法，这样算法就能够根据搜索空间边界来生成新的搜索点。