% 读取数据 position = xlsread('data.xlsx', '位置'); roads = xlsread('data.xlsx', '连接道路'); % 计算各村庄之间的距离 n = size(position, 1); dist = zeros(n, n); for i = 1:n for j = i+1:n dist(i,j) = sqrt((position(i,1)-position(j,1))^2 + (position(i,2)-position(j,2))^2); dist(j,i) = dist(i,j); end end % 构建边集合 edges = []; for i = 1:n for j = i+1:n if roads(i,j) == 1 edges = [edges; i j dist(i,j)]; end end end % Kruskal算法求解最小生成树 edges = sortrows(edges, 3); parent = 1:n; rank = zeros(n, 1); mst = []; for i = 1:size(edges,1) u = edges(i,1); v = edges(i,2); w = edges(i,3); pu = find(parent, u); pv = find(parent, v); if pu ~= pv mst = [mst; u v w]; if rank(pu) < rank(pv) parent(pu) = pv; elseif rank(pu) > rank(pv) parent(pv) = pu; else parent(pu) = pv; rank(pv) = rank(pv) + 1; end end end % 选取3个医疗点 centers = [1 2 3]; s1 = 0; for i = 1:n d = inf; for j = 1:3 d = min(d, dist(i,centers(j))); end s1 = s1 + d; end % 绘制图形 colors = ['r', 'g', 'b']; figure; hold on; for i = 1:size(mst,1) u = mst(i,1); v = mst(i,2); w = mst(i,3); plot([position(u,1) position(v,1)], [position(u,2) position(v,2)], 'k'); end for i = 1:3 plot(position(centers(i),1), position(centers(i),2), 'o', 'MarkerFaceColor', colors(i)); end for i = 1:n d = inf; c = 0; for j = 1:3 if dist(i,centers(j)) < d d = dist(i,centers(j)); c = j; end end plot([position(i,1) position(centers(c),1)], [position(i,2) position(centers(c),2)], colors(c)); end hold off; % 计算维修道路总里程 s2 = 0; for i = 1:size(mst,1) u = mst(i,1); v = mst(i,2); w = mst(i,3); if ismember(u, centers) || ismember(v, centers) s2 = s2 + w; end end disp(['总距离S1：' num2str(s1)]); disp(['维修道路总里程S2：' num2str(s2)]);

这段代码是基于 MATLAB 的，主要实现了以下功能：

1. 从 Excel 文件中读取村庄位置信息和连接道路信息；
2. 计算各村庄之间的距离，构建边集合；
3. 使用 Kruskal 算法求解最小生成树；
4. 选取三个医疗点，并计算每个村庄到最近的医疗点的距离；
5. 绘制图形，其中最小生成树的边用黑色表示，医疗点用红、绿、蓝三种颜色表示，村庄到最近的医疗点的边用对应颜色表示；
6. 计算需要维修的道路总里程。

其中，距离的计算使用了欧几里得距离公式。需要注意的是，这段代码假设道路的修复成本是与道路长度成正比的，因此需要计算道路总里程。如果修复成本不仅与长度有关，还和道路的具体情况有关，那么需要修改计算方式。