用matlab写出代码：海江市是一个人口不到20万人的小城市。根据该市的蔬菜种植情况，分别在菜市场（A），菜市场（B）和菜市场（C）设三个收购点，再由各收购点分送到全市的8个菜市场销售，该市道路情况，各路段距离（单位：100m）及各收购点，菜市场①⑧的具体位置见下图1所示。 按往年情况，A、B、C三个收购点每天收购量分别为30000kg，25000kg和20000 kg，各菜市场的每天需求量及发生供应短缺时带来的损失（元/100kg）见表1所示。设从收购点至各菜市场蔬菜调运费为1元/(100kg.100m).

好的，这个问题需要使用matlab来求解海江市蔬菜供应链的最优调度方案。具体的求解流程如下：

1. 定义问题数据，包括各个收购点和菜市场的位置坐标、每日需求量、每日收购量、供应短缺时带来的损失等信息。

2. 利用距离公式计算各个收购点和菜市场之间的距离。

3. 构建蔬菜供应链调度模型，包括决策变量、目标函数和约束条件。

4. 使用matlab内置的优化函数（如linprog、intlinprog等）求解最优调度方案。

下面是一个简单的示例代码，供您参考：

% 定义问题数据
pos = [1, 3, 5, 8, 11, 14, 17, 20;  % 收购点和菜市场的横坐标
       2, 1, 3, 5, 2, 4, 3, 1];      % 收购点和菜市场的纵坐标
demand = [1000, 2000, 3000, 4000, 5000, 6000, 7000, 8000]; % 每个菜市场的每日需求量
supply = [30000, 25000, 20000];    % 每个收购点的每日收购量
cost = [1, 2, 3, 4, 2, 3, 1, 4;     % 收购点到菜市场之间的运输费用
        3, 2, 1, 4, 3, 1, 2, 4;
        2, 3, 1, 4, 2, 3, 4, 1];

% 计算距离矩阵
dist = zeros(8, 3);
for i = 1:3
    for j = 1:8
        dist(j, i) = norm(pos(:, i) - pos(:, j + 3)); % 后3列是菜市场
    end
end

% 构建蔬菜供应链调度模型
f = reshape(cost', [], 1);
Aeq = zeros(11, 24);
beq = zeros(11, 1);
lb = zeros(24, 1);
ub = repmat([supply'; inf(8, 1)], 2, 1);
for i = 1:3
    % 决策变量
    Aeq(i, (i - 1) * 8 + 1:i * 8) = 1; % 第1~8个变量表示从收购点i分配到各个菜市场的量
    Aeq(i, 24 + i) = -1; % 第9~11个变量表示从收购点i出发的总量
    % 约束条件
    Aeq(i + 3, (i - 1) * 8 + 1:i * 8) = dist(:, i)'; % 第1~8个变量表示从各个收购点到菜市场i的距离
    Aeq(i + 3, 24 + i) = -1; % 第9~11个变量表示到菜市场i的总量
end
for i = 1:8
    % 决策变量
    Aeq(i + 6, (i - 1) * 3 + 1:(i - 1) * 3 + 3) = 1; % 第12~23个变量表示从各个菜市场i分配到三个收购点的量
    Aeq(i + 6, 23 + i) = -1; % 第24个变量表示从菜市场i出发的总量
    % 约束条件
    beq(i + 6) = demand(i); % 第i个约束条件表示菜市场i的需求量
end
% 目标函数和约束条件
f = [f; zeros(3, 1)];
Aeq = [Aeq; eye(3, 24)];
beq = [beq; supply'];
[x, fval] = linprog(f, [], [], Aeq, beq, lb, ub);

% 输出最优调度方案
disp('从收购点到各个菜市场的调度量：')
disp(reshape(x(1:24), 8, 3)')

disp('从各个菜市场到收购点的调度量：')
disp(reshape(x(25:end), 8, 3)')

disp(['总运输费用为：', num2str(fval)])

注：示例代码中的数据是根据表1和图1进行估算的，仅供参考。如果有具体问题或需求，请提供更详细的信息。