规划求解与Python协同：用openpyxl构建非线性约束优化模型

利用Python的scipy库处理Excel Solver无法求解的非线性问题，并通过openpyxl回写结果。 · 难度：入门 · +10XP

规划求解与Python协同：用openpyxl构建非线性约束优化模型

Excel内置的规划求解（Solver）只能处理线性、整数或简单非线性问题，复杂工程优化（如涉及三角函数、微分方程）往往无法收敛。本教程教你搭建Python-Excel协同工作流：用openpyxl读取Excel中的参数和约束条件，调用scipy.optimize.minimize（支持L-BFGS-B, SLSQP等算法）求解，再将最优解写回Excel单元格。你将学到如何处理xlwings或pyxll无法安装的环境，纯用openpyxl实现双向数据交换，并保留单元格格式和公式。

import openpyxl
from scipy.optimize import minimize
wb = openpyxl.load_workbook('model.xlsx')
sheet = wb['Sheet1']
def objective(x):
    sheet['B1'] = x[0]
    sheet['B2'] = x[1]
    wb.save('temp.xlsx')
    # 读取目标函数所在单元格
    return sheet['C1'].value
res = minimize(objective, [1,1], method='SLSQP')
print(res.x)