您好，我正在尝试解决以下问题：
我有多个食物类别集A、B、......，每个类别集的营养信息编码在向量x_a1、x_a2、......、x_b1、x_b2、......中。我还有一个向量y，它编码目标营养值。我想从食物集合中选择一种食物组合，使目标营养值y与所选食物营养向量之和之间的差异最小化：

min_x ||x−y||_2

其中x是所有选定食物的元素总和

x = ∑_i(x_{ij})

当i∈{A，B，C，...}且j∈{1，2，3，...}时，可以得到一个很好的结果.
为了用线性规划来解决这个问题，我用下面的方法来表达它：设Z是一个m × n的矩阵，包含n种食物和m种营养素，w_j是一个二进制值的向量，我试图最小化L1范数：

sum_i | sum_j(Z_{ij}w_j) - y |

通过分别引入松弛变量t_i和非负剩余变量s_i，线性地得到：

min sum_i(s_i + t_i)
s.t. sum_j(Z_{ij}w_j) - s_i + t_i = y for all i
     sum_j(w_j) >= 1 for j∈{A,B,C,...}

有人能给我指出方向，我将如何制定这在scipy？