假设某山区中有100个村庄，现在要在村庄中建立几个医疗点，方便村民看病。图1中给出这100个村庄的位置及可选道路连接示意图。附件数据的“位置”表单给出了这100个村庄的坐标（单位：米），附件数据的“连接道路”表单给出了可供选择的道路。现在要在100个村庄中建立3个医疗点，并在可选道路中根据需要进行部分道路维修，假定村民看病都选择维修后的道路。 问题1. 如果各村庄村民到医疗点的距离太远，不便于看病，因此站在村民角度出发，希望各村庄村民到医疗点的距离尽量小。如果要使各村庄村民到医疗点的距离总和S1最小，请问这3个医疗点分别建立在何处最好？

这是一个典型的聚类问题，可以使用K-means算法解决。具体步骤如下：

1. 根据给出的100个村庄的坐标，随机选择3个点作为初始医疗点的位置。

2. 对于每个村庄，计算它到三个医疗点的距离，将该村庄归为距离最近的医疗点的簇。

3. 对于每个簇，计算其中所有村庄到该簇的医疗点的距离之和，作为该簇的代价。

4. 将每个簇的代价相加，得到总代价S1。

5. 移动每个医疗点的位置，重新进行第2、3步，直到总代价S1不再变化为止。

最终的结果就是使得各村庄村民到医疗点的距离总和S1最小的医疗点位置。