如何调整Python中的if条件以限制变量在0-12区间内？

问题根源 #

原代码仅当粒子新位置yy严格处于(x_min, x_max)区间内时才更新位置，若yy超出边界，粒子位置保持不变，但速度仍会持续累积计算，导致后续迭代中粒子极易再次越界甚至偏离可行域更远。

修正方案 #

当粒子新位置越界时，直接将其强制拉回可行域边界（≤x_min时设为x_min，≥x_max时设为x_max），同时重置该粒子的速度为0，避免速度持续向边界外累积，从根源上阻止粒子跳出指定范围。

修改后的关键代码段 #

替换原代码中位置更新的if逻辑：

# 原位置更新逻辑
if yy[i[0]] > x_min and yy[i[0]] < x_max:
    xx[i[0]]=yy[i[0]]

# 替换为修正后的边界处理逻辑
if yy[i[0]] < x_min:
    xx[i[0]] = x_min
    v[i[0]] = 0  # 重置速度，避免继续向负方向移动
elif yy[i[0]] > x_max:
    xx[i[0]] = x_max
    v[i[0]] = 0  # 重置速度，避免继续向正方向移动
else:
    xx[i[0]] = yy[i[0]]

完整修正代码 #

import math
import random
import matplotlib.pyplot as plt
import numpy as np

def func(x):
    return -(1.4 - 3 * x) * math.sin(18 * x)

n_par = 20
max_iter = 10
w = 0.5 
c1 = 1  
c2 = 2  
x_min = 0
x_max = 12

xx = []
xxb = []
v=[]
for i in range(n_par):
    xx.append(x_min + (x_max - x_min) * random.random())
    v.append(random.random())
xxb = xx.copy()  # 改为复制列表，避免引用赋值导致同步修改
yy=xx.copy()

F = []
for i in range(n_par):
    F.append(func(xx[i]))

ind = np.argsort(F)
xxg=xx[ind[0]]

dom=[]
ran=[]
for i in range(max_iter):
    dom.append(1)
    ran.append(1)

for itr in range(max_iter):
    for i in enumerate(list(range(n_par))):
        v[i[0]]=w*v[i[0]]+c1*random.random()*(xxg-xx[i[0]])+c2*random.random()*(xxb[i[0]]-xx[i[0]])
        yy[i[0]]=xx[i[0]]+v[i[0]]
        # 修正后的边界处理
        if yy[i[0]] < x_min:
            xx[i[0]] = x_min
            v[i[0]] = 0
        elif yy[i[0]] > x_max:
            xx[i[0]] = x_max
            v[i[0]] = 0
        else:
            xx[i[0]] = yy[i[0]]
    
    # 批量更新适应度后再排序，减少重复计算
    for ii in enumerate(list(range(n_par))):
        F[ii[0]]=func(xx[ii[0]]) 
    ind = np.argsort(F)
    if func(xx[ind[0]]) < func(xxg):
        xxg=xx[ind[0]]
    for iii in enumerate(list(range(n_par))):
        if func(xx[iii[0]]) < func(xxb[iii[0]]):
            xxb[iii[0]]=xx[iii[0]]
    dom[itr]=itr    
    ran[itr]=func(xxg)

print(xxg)
print(func(xxg))

额外优化说明 #

• 原代码中xxb = xx和yy=xx是引用赋值，会导致三个变量指向同一列表，修改xx时xxb和yy会同步变化，改为xx.copy()避免该问题。
• 将np.argsort(F)移到粒子适应度更新的外层循环，避免在每个粒子的循环中重复排序，提升代码运行效率。

内容的提问来源于stack exchange，提问作者Peter Ngnot