写一个NSGA2计算拥挤距离的函数其中第一个目标是最小第二个目标是最大不要写成individuals0fitnessvalues这种形式

以下是一个简单的NSGA2计算拥挤距离的函数：

def calculate_crowding_distance(front):
    n = len(front)
    distances = [0.0] * n
    objectives = len(front[0].fitness.values)

    for objective in range(objectives):
        sorted_front = sorted(front, key=lambda x: x.fitness.values[objective])
        distances[0] = distances[n-1] = float('inf')

        min_obj = sorted_front[0].fitness.values[objective]
        max_obj = sorted_front[n-1].fitness.values[objective]

        if max_obj == min_obj:
            continue

        for i in range(1, n-1):
            distances[i] += (sorted_front[i+1].fitness.values[objective] - sorted_front[i-1].fitness.values[objective]) / (max_obj - min_obj)

    return distances

该函数接受一个前沿（front）的列表作为输入，并返回一个代表每个个体拥挤距离的列表。该函数首先确定该前沿中的目标数，然后对于每个目标，它将该前沿按该目标值进行排序，并计算每个个体的拥挤距离。拥挤距离的计算基于每个个体在该目标值上的相邻个体之间的距离。如果该目标值的最大值和最小值相同，则跳过该目标值。最后，将每个目标的拥挤距离相加，得到每个个体的总拥挤距离