# Псевдокод для эволюционного алгоритма
def evolutionary_optimization(vectors, calculate_energy, num_generations=1000, population_size=100):
    # Инициализируем популяцию случайными векторами
    population = [random.choice(vectors) for _ in range(population_size)]

    for _ in range(num_generations):
        # Вычисляем энергию для каждого вектора в популяции
        energies = [calculate_energy(vector) for vector in population]

        # Выбираем лучшие векторы для следующего поколения
        population = select_best_vectors(population, energies)

        # Применяем операции мутации и кроссовера для создания нового поколения
        population = mutate_and_crossover(population)

    # Возвращаем вектор с наименьшей энергией
    return min(population, key=calculate_energy)