写一个NSGA2计算拥挤度的函数其中第一个目标是最小第二个目标是最大

以下是一个Python实现的NSGA2计算拥挤度的函数，其中第一个目标是最小，第二个目标是最大：

def crowding_distance(individuals):
    """计算每个个体的拥挤度"""
    n = len(individuals)
    # 初始化拥挤度列表
    crowding_distance_list = [0.0] * n
    # 对每个目标函数进行排序
    objectives = [[individual.fitness.values[i] for individual in individuals] for i in range(len(individuals[0].fitness.values))]
    sorted_indices = [sorted(range(n), key=lambda i: objectives[obj][i]) for obj in range(len(individuals[0].fitness.values))]
    # 计算拥挤度
    for obj in range(len(individuals[0].fitness.values)):
        crowding_distance_list[sorted_indices[obj][0]] = float('inf')
        crowding_distance_list[sorted_indices[obj][-1]] = float('inf')
        for i in range(1, n-1):
            if crowding_distance_list[sorted_indices[obj][i]] != float('inf'):
                crowding_distance_list[sorted_indices[obj][i]] += (objectives[obj][sorted_indices[obj][i+1]] - objectives[obj][sorted_indices[obj][i-1]]) / (objectives[obj][sorted_indices[obj][-1]] - objectives[obj][sorted_indices[obj][0]])
    return crowding_distance_list

该函数接受一个个体列表作为输入，其中每个个体都有一个包含两个目标函数值的元组（假设第一个目标函数是最小化的，第二个目标函数是最大化的）。函数首先将目标函数值分别排序，并根据排序结果计算每个个体的拥挤度。具体来说，对于每个目标函数，首先对个体进行排序，然后将端点个体的拥挤度设为正无穷，对于其他个体，计算其与相邻个体之间的目标函数值差距，然后将其累加到该个体的拥挤度中。最终返回一个包含每个个体拥挤度的列表