if elapsed_time > timeout: # 创建一个新的数据框，并将其添加到df_list列表中 yhjg = -value zc = yhjg - yhq_pjcyl new_df = pd.DataFrame({'优化前X坐标': CSX,'优化前Y坐标': CSY, '优化前靶点位置': yhq_bdwz, '优化前射孔厚度': yhq_skhd, '优化前平均产油量':yhq_pjcyl,'优化后X坐标': x[0],'优化后Y坐标': x[1], '优化后靶点位置': x[2], '优化后射孔厚度': x[3],'优化后平均产油量':yhjg,'优化后前后结果变化':zc,'迭代轮数':rounds}, index=[0]) df_list.append(new_df) # 将df_list列表中的所有数据框连接成一个单独的数据框 final_df = pd.concat(df_list) # 将最终数据框写入新的Excel文件 final_df.to_excel(f'D:\\czjblx\\smmx\\clf-pcl\\TEST\\yh_test\\test0606\\3\\yhtest_{i}.xlsx', index=False) break

好的，你可以在这段代码后面添加以下代码，来输出最优解和对应的x向量：

# 输出最优解和对应的x向量
print(f"在迭代过程中，目标函数最小值为{best_obj_value}时，对应的解向量为：{best_solution}")
print(f"x[0] = {best_solution[0]}, x[1] = {best_solution[1]}, x[2] = {best_solution[2]}, x[3] = {best_solution[3]}")

这段代码会在迭代结束后，输出目标函数最小值对应的解向量，以及解向量中x[0], x[1], x[2], x[3]的具体值。