Python 如何使用粒子群优化作为搜索空间优化器

关于PSO，我有两个问题

（1） 。我有一个问题，我需要找到最优或接近最优的解决方案集。所以PSO应该作为一个优化器而不是一个函数最小化器来工作。 (2). 作为适应度函数，我拥有的是一组参数，这些参数包含值1或0（二进制参数）。因此，为了获得参数值，我必须运行一个外部布尔函数来检查一些经验规则

那么，如何为PSO编写一个基于规则的适应度函数呢

伙计们， 请帮帮我。如果您碰巧知道任何方法/实现，请告诉我

非常感谢

编辑： 非常抱歉，先生。这是我第一次问问题。让我把问题再说一遍。 这是我需要做的。我有一组候选解决方案，每个都有几个属性。现在我需要使用PSO从该集合中选择最佳/最优解决方案。这里我有9个参数，可以用来检查每个粒子是否满足所有这些条件。 这些参数的特点是它们有自己的范围来接受作为最佳方案的候选解决方案。以下是适应度函数和参数的示例：

fitness=(4*weight+ 3.75*length + 9*pressure .....) 

其中：

weight: "1" if it's in the range (20-30), else "0"
length: "1" if it's below 85, else "0"
pressure: "1" if it's greater than 125, else "0"

---

注意：长度为60的粒子优于长度为84的粒子，压力为200的粒子优于压力为126的粒子

优化和最小化本质上是一样的。你的问题应该更具体一些。请看，很抱歉，先生，请再次检查问题。我已经重新表述了这个问题（在编辑栏下），你不能只是把你的家庭作业问题贴出来。你需要解释你尝试了什么，你遇到了什么困难。例如，您在编写最小化函数时是否遇到困难？另见：（具体由OwenP回答）。