我想看看是否有人能帮我解决优化排放模型的问题，从根本上改变输入条件以匹配测量的输出。
问题如下。我有以下模型数据：
治疗组#动物治疗效率模型排放控制1101110A880.544b220.255.5
该模型预测了有一定数量动物的谷仓的排放量。在这种情况下，有220只动物，预计总排放量为159.5个单位。每只动物排放1个单位的排放量，除非所采用的治疗将排放量减少了一个设定的分数，如a组和b组的治疗效率所示。
然而，实验测量表明，总排放量在173.0%时高出13.5
根据已知的信息，我们可以确认动物的数量肯定是220只，治疗效率毫无疑问。因此，唯一可以解释这一点的变量是，动物没有像在模型中那样被分配到治疗组。如果更多的动物是对照组的一部分，而较少的动物是治疗组a和b的一部分，那么排放量将会增加，并且可以接近正确的测量值。
我对数学不是很精通，我经常遇到这样的事情，结果得到了更简单的答案。但我的原始模型是excel，我不认为用简单的公式就能做到这一点。我觉得这是一个优化问题。例如，如果我将13.5排放量添加到控制组，使控制组的总排放量达到123.5，使总排放量达到正确的173.0，那么控制组的动物数量必须达到123.5，以确保控制组的排放量恢复到每只动物最多1只。我们只能把a组和b组的动物转移到那里。
我这样做过一次，因为动物必须按照治疗效率的比例移动。在1次迭代后，将10.8只动物从a组和2.7组中移出，结果如下表所示（假设我们现在可以拆分动物）：
治疗组#动物治疗效率每动物模型排放量控制123.51123.51a77.20.538.60.56b19.30.253.8250.28
现在，在动物数量相同的情况下，总排放量为166.9。接近观察值173.0。我可以继续这样做，并假设我们将接近动物的正确分布。
请注意，我的实际问题比这更大，有多达5个治疗组，我必须对大约120种不同的动物设置和治疗效率重复这一点。因此，我想将其自动化，以找到一种优化方法，从而实现动物新的正确分布。我认为，如果我们增加了限制条件，就可以做到这一点：
限制条件#1：治疗组的动物数量只能按比例变化。
我假设没有这个约束，有无限多的解。
约束条件#2：如果观察到的排放量高于模拟排放量，则对照组的动物数量不能减少。
我认为这甚至不可能发生在约束#1的情况下，所以这个约束可能是多余的，但在我的实际问题中，情况就是这样，所以我还是添加了它。在我的问题中，没有观察到的排放低于模拟排放的情况。
我在这里添加了r和python，因为它们是我所知道的编程语言，尽管我以前没有像这样使用它来解决优化问题，所以我真的不知道从哪里开始。有人能给点建议吗？