根据问题2、问题3的模型建立与求解，分别写出问题2的python代码，问题3的python代码

好的，以下是根据问题2和问题3的模型建立与求解编写的Python代码示例：

### 问题2：空气净化器形状优化模型

import numpy as np
from scipy.optimize import minimize
import random

# 定义目标函数
def objective_function(params):
    shape, size, angle, wind_speed = params
    # 假设目标函数为多个因素的加权和
    efficiency = 0.5 * (shape + size + angle + wind_speed)
    energy_consumption = 0.2 * (size + wind_speed)
    noise_level = 0.3 * (angle + wind_speed)
    
    # 综合目标函数
    return efficiency - energy_consumption - noise_level

# 定义约束条件
def constraint1(params):
    shape, size, angle, wind_speed = params
    return size <= 0.05  # 体积约束

def constraint2(params):
    shape, size, angle, wind_speed = params
    return angle >= 0 and angle <= 90  # 角度约束

def constraint3(params):
    shape, size, angle, wind_speed = params
    return wind_speed >= 0 and wind_speed <= 5  # 风速约束

# 初始解
initial_params = [random.uniform(0, 1), random.uniform(0, 0.05), random.uniform(0, 90), random.uniform(0, 5)]

# 定义约束条件字典
constraints = [
    {'type': 'ineq', 'fun': constraint1},
    {'type': 'ineq', 'fun': constraint2},
    {'type': 'ineq', 'fun': constraint3}
]

# 优化求解
result = minimize(objective_function, initial_params, method='SLSQP', constraints=constraints)

print("Optimal parameters for air purifier:")
print("Shape:", result.x[0])
print("Size:", result.x[1])
print("Angle:", result.x[2])
print("Wind Speed:", result.x[3])

### 问题3：空气加湿器形状优化模型

import numpy as np
from scipy.optimize import minimize
import random

# 定义目标函数
def objective_function(params):
    shape, volume, fog_outlet_area, fog_outlet_angle = params
    # 假设目标函数为多个因素的加权和
    humidification_efficiency = 0.5 * (shape + volume + fog_outlet_area + fog_outlet_angle)
    energy_consumption = 0.2 * (volume + fog_outlet_area)
    humidity_distribution = 0.3 * (fog_outlet_area + fog_outlet_angle)
    
    # 综合目标函数
    return humidification_efficiency - energy_consumption - humidity_distribution

# 定义约束条件
def constraint1(params):
    shape, volume, fog_outlet_area, fog_outlet_angle = params
    return volume <= 0.05  # 体积约束

def constraint2(params):
    shape, volume, fog_outlet_area, fog_outlet_angle = params
    return fog_outlet_area >= 0.001 and fog_outlet_area <= 0.01  # 出雾口面积约束

def constraint3(params):
    shape, volume, fog_outlet_area, fog_outlet_angle = params
    return fog_outlet_angle >= 0 and fog_outlet_angle <= 90  # 出雾口角度约束

# 初始解
initial_params = [random.uniform(0, 1), random.uniform(0, 0.05), random.uniform(0.001, 0.01), random.uniform(0, 90)]

# 定义约束条件字典
constraints = [
    {'type': 'ineq', 'fun': constraint1},
    {'type': 'ineq', 'fun': constraint2},
    {'type': 'ineq', 'fun': constraint3}
]

# 优化求解
result = minimize(objective_function, initial_params, method='SLSQP', constraints=constraints)

print("Optimal parameters for air humidifier:")
print("Shape:", result.x[0])
print("Volume:", result.x[1])
print("Fog Outlet Area:", result.x[2])
print("Fog Outlet Angle:", result.x[3])

### 说明
1. **目标函数**：根据问题描述，目标函数是多个因素的加权和，包括净化效率、能耗和噪声水平（问题2），以及加湿效率、能耗和湿度分布（问题3）。
2. **约束条件**：定义了体积、角度和风速（问题2）以及体积、出雾口面积和出雾口角度（问题3）的约束条件。
3. **优化求解**：使用`scipy.optimize.minimize`函数进行优化求解，选择了SLSQP方法，这是一种序列二次规划方法，适合带有约束条件的优化问题。

希望这些代码对你有所帮助！如果有任何问题或需要进一步的帮助，请随时告诉我。