start_time = time.time() # 循环优化，直到达到优化目标或时间限制为止 rounds = 0 while True: # 生成一个新的种群，每个个体是一个解向量 rounds += 1 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))

这段代码是进行CMA-ES算法的循环优化，直到达到优化目标或时间限制为止。其中，`rounds`表示循环的轮数，`solutions`是一个列表，存储了每个个体的解向量和对应的目标函数值。在每次循环中，首先生成一个新的种群，每个个体是一个解向量。然后，对于每个个体，首先对其进行一些限制，例如限制其坐标不能落在某些特定的位置上。接着，计算该个体的目标函数值，并将其存储在`solutions`列表中。最后，在所有个体的目标函数值都计算完毕后，将`solutions`列表中的个体按照目标函数值从小到大排序，然后使用CMA-ES算法更新种群，并判断是否达到了优化目标或时间限制。如果达到了，则退出循环，否则继续进行下一轮循环。