国内某地区有1320个居民点，任意两个居民点间的距离已知，每个居民点的居民数已知，3个仓库的在居民点130，520，1020处。有一批应急物资A需要按人手一份尽快运送到所有居民手里。假设每个仓库中都有充足的物资A，它们已经按每600份一箱打包装在规格为长0.3米、宽0.3米、高0.3米的箱子里，由规格为长8.5米、宽3米、高3.5米的货车运送到居民点，在装卸货和运送过程中这些箱子都不拆封，因此每个居民点最终都收到整数箱的物资A。每辆货车从某个仓库装货后出发，在完成运送任务后返回出发地，车辆平均配速为60千米/小时，出发时间为上午8点，在中午13点左右休息两个小时不工作。货车在每个居民点的卸货时间是10分钟。当所有货车返回出发仓库，意味着整个物资运送工作完成。请安排货车进行物资的运送，使得在确保所有居民点都能在下午18:30前收到充足物资的条件下，所需货车的数量尽可能少且整个物资运送工作完成的时间尽可能早，用Python给出程序与结果

这是一个经典的物流配送问题，可以使用贪心算法或者动态规划求解。下面是使用贪心算法的做法：

1. 计算每个居民点需要的物资箱数，即向上取整(居民数/600)。
2. 对所有居民点按照需要的物资箱数从大到小进行排序。
3. 从第一个仓库出发，依次将物资箱运送到需要箱数最多的居民点，直到该居民点的需求被满足。然后返回仓库继续装载物资箱，直到所有居民点的需求被满足。

下面是Python程序实现：

import heapq

# 计算两个居民点之间的距离
def distance(i, j):
    return distances[i][j]

# 计算货车从i出发，前往j需要的时间
def time(i, j):
    return distance(i, j) / speed * 60 + unload_time

# 计算货车从i出发，依次前往居民点列表中的点并返回仓库所需的时间
def total_time(i, residents):
    time = 0
    for j in residents:
        time += time(i, j)
        i = j
    time += time(i, start)
    return time

# 计算从i出发，依次前往居民点列表中的点并返回仓库所需的车辆数
def trucks(i, residents):
    total_boxes = sum(resident_boxes[j] for j in residents)
    return (total_boxes + boxes_per_truck - 1) // boxes_per_truck

# 主函数
def deliver():
    # 对所有居民点按照需要的物资箱数从大到小排序
    residents = sorted(range(n), key=lambda i: -resident_boxes[i])

    # 初始化每个居民点是否被满足
    satisfied = [False] * n

    # 初始化每个仓库中还剩余的物资箱数
    remaining_boxes = [total_boxes] * 3

    # 初始化当前时间为早晨8点
    current_time = start_time

    # 初始化货车出发点为仓库中的第一个
    truck_start = 0

    # 循环直到所有居民点都被满足
    while not all(satisfied):
        # 找到下一个需要物资最多的居民点
        next_resident = None
        for i in residents:
            if not satisfied[i]:
                if next_resident is None or resident_boxes[i] > resident_boxes[next_resident]:
                    next_resident = i

        # 找到可以满足该居民点需求的仓库
        for i in range(3):
            if remaining_boxes[i] >= resident_boxes[next_resident]:
                break

        # 计算从货车出发点到该仓库所需的时间
        time_to_warehouse = time(truck_start, warehouse[i])

        # 如果在下午6:30前能够完成任务，则将物资箱运送到该居民点
        if current_time + time_to_warehouse + total_time(warehouse[i], [next_resident]) <= end_time:
            remaining_boxes[i] -= resident_boxes[next_resident]
            satisfied[next_resident] = True
            current_time += time_to_warehouse + total_time(warehouse[i], [next_resident])
        # 否则，需要从该仓库出发前往其他需要物资的居民点
        else:
            # 找到需要物资的居民点列表
            residents_to_deliver = [next_resident]
            for j in residents:
                if not satisfied[j] and resident_boxes[j] <= remaining_boxes[i]:
                    residents_to_deliver.append(j)
                    if len(residents_to_deliver) == boxes_per_truck:
                        break

            # 计算从该仓库出发运送物资到这些居民点并返回所需的车辆数和时间
            t = trucks(warehouse[i], residents_to_deliver)
            time_to_deliver = total_time(warehouse[i], residents_to_deliver)

            # 如果在下午6:30前能够完成任务，则运送物资
            if current_time + time_to_warehouse + time_to_deliver + t * rest_time <= end_time:
                remaining_boxes[i] -= sum(resident_boxes[j] for j in residents_to_deliver)
                for j in residents_to_deliver:
                    satisfied[j] = True
                current_time += time_to_warehouse + time_to_deliver + t * rest_time
                truck_start = warehouse[i]
            # 否则，需要从下一个仓库出发
            else:
                break

    return (trucks(0, range(n)), current_time - start_time)

# 输入数据
n = 1320
distances = [[0] * n for _ in range(n)]
resident_boxes = [0] * n
total_boxes = 0
for i in range(n):
    resident_boxes[i] = int(input())
    total_boxes += (resident_boxes[i] + 599) // 600
for i in range(3):
    warehouse[i] = int(input()) - 1
speed = 60
unload_time = 10
boxes_per_truck = 30
rest_time = 120
start_time = 8 * 60
end_time = 18 * 60 + 30

# 输出结果
trucks_needed, time_needed = deliver()
print(trucks_needed)
print("%.2f" % (time_needed / 60))

输入数据按照以下格式输入：

居民点1的居民数
居民点2的居民数
...
居民点1320的居民数
仓库1所在居民点编号
仓库2所在居民点编号
仓库3所在居民点编号

输出结果为所需货车数量和完成任务的时间，单位为小时。