我有一个优化问题，我正在考虑使用机器学习方法来解决它。
目标是在飞机上找到最佳的行李箱负荷。行李箱具有尺寸，重量和一些其他属性，限制了它的放置位置。 有一些严格的规定（例如，某些行李需要放在行李箱前面，有些不能放在另一个附近，重型放在底部等等）并且最后必须满足一些条件 - 重量应均匀分布，所有行李都需要放在里面。
还有一些无证（“常识”）规则由负责装载行李的人员应用。 这些可以基于可用的示例得出。
我正在考虑基于这些例子训练神经网络。 我查看了http://neuroph.sourceforge.net/sample_projects.html，但找不到可以为我的域修改的示例。 此外，我不确定这是否是此问题类别的正确方法。
这是一个简化的例子。 假设一件行李由3个属性描述：
示例数据：
| action_id | count(*)
| 3 | 6
| 7 | 1
行李箱部门有6个插槽（S1-S6，S1-前部，S6-后部）。 示例规则：
其中一个正确的输出是：
B1 (20kg, soft, normal)
B2 (20kg, hard, normal)
B3 (40kg, hard, normal)
B4 (50kg, hard, normal)
B5 (20kg, soft, special)
以NN所需的标准化形式表示输出是棘手的。 我想知道NN是否是解决这个问题的好方法。 也许应该使用其他一些（例如强化学习）
可以使用哪种机器学习方法来找到最佳行李箱装载量？