帮我用python写一个从22个坐标中运用禁忌搜索算法选取符合规定的坐标进行重心法计算的坐标。其步骤如下： 1、要求22个点用重心法确定的选址地点为禁忌搜索算法的初始点x。 2、并且已经有三个固定的点A、B、C 3、判断22个点到点x的距离是不是比到ABC三点都近。 4、如果22中的点到x最近，那么将站点留下用于下次重心法选址，否则加入禁忌表。并在下次循环中也用于判断。 5、保留下的站点用重心法确定新的站点x2 6、禁忌搜索的目标函数是各站点到A、B、C三个原有站点和禁忌搜索算法确定的站点距离的和最短。

以下是一个可能的解决方案，使用了numpy和random库来辅助计算和随机化：

import numpy as np
import random

# 坐标数据
coords = np.array([
    [1, 2],
    [3, 4],
    [5, 6],
    # ...
    [19, 20],
    [21, 22]
])

# 初始点x为重心法计算的选址地点
x = np.mean(coords, axis=0)

# 固定点A、B、C
fixed_points = np.array([
    [7, 8],
    [9, 10],
    [11, 12]
])

# 禁忌表
tabu_list = []

# 目标函数
def objective_function(coords, x, fixed_points):
    # 计算每个坐标点到A、B、C和x的距离
    distances = np.concatenate([
        np.linalg.norm(coords - p, axis=1).reshape(-1, 1)
        for p in fixed_points + [x]
    ], axis=1)
    # 返回距离和最短的值
    return distances.sum(axis=1).min()

# 禁忌搜索算法
def tabu_search(coords, fixed_points, max_iterations=100, tabu_tenure=5):
    # 初始点x为重心法计算的选址地点
    x = np.mean(coords, axis=0)
    best_x = x
    best_obj = objective_function(coords, x, fixed_points)
    tabu_list = []
    for i in range(max_iterations):
        # 在邻域内随机选择一个点
        neighbors = [c for c in coords if c.tolist() not in tabu_list]
        if not neighbors:
            break  # 所有点都在禁忌表中，结束搜索
        neighbor = random.choice(neighbors)
        # 计算新的点
        new_x = (2 * x - neighbor) / 2
        # 如果新点是禁忌的，则选择邻域内最优点
        if new_x.tolist() in tabu_list:
            neighbors.remove(neighbor)
            if not neighbors:
                break  # 所有点都在禁忌表中，结束搜索
            new_x = min(neighbors, key=lambda c: objective_function(coords, (2 * x - c) / 2, fixed_points))
        # 计算目标函数值
        new_obj = objective_function(coords, new_x, fixed_points)
        # 更新最优解
        if new_obj < best_obj:
            best_x = new_x
            best_obj = new_obj
        # 将新点加入禁忌表
        tabu_list.append(new_x.tolist())
        if len(tabu_list) > tabu_tenure:
            tabu_list = tabu_list[-tabu_tenure:]
        # 更新当前点
        x = new_x
    return best_x, best_obj

# 运行算法
best_x, best_obj = tabu_search(coords, fixed_points, max_iterations=100, tabu_tenure=5)
print("最优解：", best_x)
print("目标函数最小值：", best_obj)

解释一下代码的主要部分：

1. `coords` 是22个坐标的数据，使用 `numpy` 库来处理。
2. 初始点 `x` 为重心法计算的选址地点，使用 `numpy.mean` 函数计算。
3. 固定点 `A`、`B`、`C` 也是给定的坐标数据，放在 `fixed_points` 中。
4. 目标函数 `objective_function` 计算每个坐标点到 `A`、`B`、`C` 和 `x` 的距离，并返回距离和最短的值。
5. 禁忌搜索算法 `tabu_search` 首先在邻域内随机选择一个点作为新的点，然后计算新的点的目标函数值，如果比当前最优解更优，则更新最优解。如果新点是禁忌的，则选择邻域内距离最优的点作为新的点。最后将新点加入禁忌表中，如果禁忌表长度超过 `tabu_tenure`，则将最老的点删除。
6. 运行算法并输出结果。

注意，这个算法的结果可能是局部最优解，而不是全局最优解。因此，如果你需要保证结果的最优性，你可能需要运行多次算法并取最好的结果。