如何在Python中用带约束的最小化函数实现卡车停靠优化？

现有配送数据 #

优化目标 #

通过合并同类货物配送，最小化卡车的停靠次数。

停靠次数 = 单辆卡车对应的唯一配送地点数量

例如：将卡车1中发往location1的item1与卡车2中发往location2的item1互换，两辆卡车此后都只需前往一个地点，可减少一次停靠。

约束条件 #

• 每个货物-地点组合的总配送量不能超过可用库存，可用库存如下：

availability = {('item1', 'location1'): 15,
 ('item1', 'location2'): 28,
 ('item1', 'location3'): 18,
 ('item2', 'location1'): 10,
 ('item2', 'location2'): 28,
 ('item2', 'location3'): 12,
 ('item3', 'location1'): 8,
 ('item3', 'location2'): 10,
 ('item3', 'location3'): 12
} 

• 每辆卡车装载的货物种类不可变更，仅能调整货物的配送地点。比如卡车2原本装载item1和item2，调整后仍需保留这两种货物，仅修改它们的配送地点。

问题需求 #

不清楚如何构建这类带动态约束的优化问题，需要拆解问题并得到最优的卡车-货物-地点配送组合，最终输出应为满足约束前提下的最优配送组合。

示例优化方案 #

针对前两辆卡车的优化结果如下：

此方案中卡车2只需前往一个地点，达成了停靠次数减少的目标。

内容的提问来源于stack exchange，提问作者Lars