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).

这个问题可以使用 MATLAB 中的优化工具箱进行求解。以下是一个示例代码，可以根据具体情况进行修改：

% 定义收购点和菜市场的坐标
locations = [0, 0; 1, 0; 2, 0; 2, 1; 2, 2; 1, 2; 0, 2; 0, 1];
num_locations = size(locations, 1);

% 定义收购点的收购量
q = [30000; 25000; 20000];

% 定义菜市场的需求量和短缺损失
d = [35000; 42000; 34000; 31000; 38000; 40000; 39000; 36000];
s = [2; 1.5; 2.5; 3; 2; 1; 1.5; 2];

% 定义距离矩阵
dists = pdist2(locations, locations);

% 定义决策变量
x = optimvar('x', num_locations, num_locations, 'LowerBound', 0);

% 定义目标函数
obj = sum(sum(x .* dists)) + sum(s' * max(0, d - sum(x, 1)') / 100);

% 定义约束条件
constraints = [sum(x, 2) == q; sum(x, 1)' >= d];

% 定义优化问题
problem = optimproblem('Objective', obj, 'Constraints', constraints);

% 求解优化问题
[sol, fval] = solve(problem);

注意，上述代码中的距离矩阵 `dists` 可以根据具体情况进行修改，如从表格或文件中读取。另外，这里使用了 MATLAB 中的新式语法，需要使用 MATLAB R2017a 或更高版本。如果使用旧版本的 MATLAB，可以将 `optimvar` 和 `optimproblem` 替换为 `sdpvar` 和 `sdpsettings`，并使用 `optimize` 函数求解。