如何在Python中针对特定值运行优化？我正在寻找与Excel的“求解器”工具等效的工具，其中可以将目标函数设置为“ x的值”，以使P的某些参数受{{ 1}}约束，以获取N的值。
我知道SciPy的优化框架，但实际上只看到了用于最小化或最大化x的应用程序，而不是求解特定的x值。
编辑：新示例
如何解决投资组合（x）的回报，使得任意数量的股票x的权重介于0和1之间（含0和1），并且所有权重之和等于1（即是i ... K）。
我还发现了在本书中展示的在R上使用矩阵代数的可行解决方案（https://faculty.washington.edu/ezivot/econ424/portfolioTheoryMatrix.pdf，第13页）。但是，无法在Python中复制它。
任何帮助将不胜感激！
上一个示例（请忽略）：
例如，如何求解所需的工作小时数（sum_weights_{i=1}^K == 1），以最小小时数和最大小时数（P，N_1）为准，从而使利润为$ 10,000（{ {1}}）？
答案 0 :(得分：1)
也许是这样的：
In [2]: P = sympy.Symbol('P', real=True, negative=False)
In [3]: sympy.solve([sympy.Eq(P * 560, 10_000), 10 < P, P < 100], P)
Out[3]: Eq(P, 125/7)
在这里，我假设工资等于560。