用matlab写出下面问题代码：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？总距离S1是多少？ 各村庄村民都选择最近的医疗点看病，请问应该维修哪些道路，维修道路总里程S2是多少？作图用不同颜色标记各村庄到对应医疗点使用的道路。

由于这是一个涉及到图论和最优化的问题，可以使用Matlab中的优化工具箱来解决。同时，需要使用一些基础的函数，如pdist2用于计算两个点之间的距离，graph和shortestpath用于构建和搜索最短路径等。

首先，读取数据，构建距离矩阵和连接矩阵：

location = xlsread('数据.xlsx', '位置');
connect = xlsread('数据.xlsx', '连接道路');

dist_matrix = pdist2(location, location);
connect_matrix = zeros(100);
for i = 1:size(connect, 1)
    connect_matrix(connect(i, 1), connect(i, 2)) = connect(i, 3);
    connect_matrix(connect(i, 2), connect(i, 1)) = connect(i, 3);
end

接着，定义目标函数和约束条件：

function [f, c, ceq] = obj_fun(x, dist_matrix, connect_matrix)
    f = sum(sum(dist_matrix .* (x * x')));
    c = [sum(x) - 3; x >= 0; x <= 1];
    ceq = [];
end

其中，x为一个3维向量，表示3个医疗点的选取情况，dist_matrix为距离矩阵，connect_matrix为连接矩阵。目标函数为各村庄到医疗点的距离总和，约束条件为选取的医疗点个数为3，每个医疗点的选取情况在0和1之间。

接下来，使用fmincon函数求解最优解：

[x, fval] = fmincon(@(x)obj_fun(x, dist_matrix, connect_matrix), [0, 0, 0], [], [], [], [], [0, 0, 0], [1, 1, 1]);

最后，根据求解结果，计算各村庄到医疗点的距离总和和维修道路总里程，并绘制路线图：

[~, idx] = max(x);
centers = location(idx, :);
[~, shortest_paths] = graphshortestpath(sparse(connect_matrix), idx(1), idx(2));
shortest_paths = [shortest_paths shortest_paths(end)];
[~, shortest_paths2] = graphshortestpath(sparse(connect_matrix), idx(1), idx(3));
shortest_paths2 = [shortest_paths2 shortest_paths2(end)];
[~, shortest_paths3] = graphshortestpath(sparse(connect_matrix), idx(2), idx(3));
shortest_paths3 = [shortest_paths3 shortest_paths3(end)];

dist = sum(dist_matrix(sub2ind(size(dist_matrix), (1:100)', idx(x == 1))));
dist2 = sum(connect_matrix(sub2ind(size(connect_matrix), shortest_paths(1:end-1), shortest_paths(2:end))));
dist3 = sum(connect_matrix(sub2ind(size(connect_matrix), shortest_paths2(1:end-1), shortest_paths2(2:end))));
dist4 = sum(connect_matrix(sub2ind(size(connect_matrix), shortest_paths3(1:end-1), shortest_paths3(2:end))));
total_dist = dist + dist2 + dist3 + dist4;

figure;
plot(location(:, 1), location(:, 2), 'ok');
hold on;
plot(centers(1), centers(2), 'xr', 'MarkerSize', 10);
plot(location(x == 1, 1), location(x == 1, 2), 'sb', 'MarkerSize', 10);
plot(location(shortest_paths, 1), location(shortest_paths, 2), 'r');
plot(location(shortest_paths2, 1), location(shortest_paths2, 2), 'r');
plot(location(shortest_paths3, 1), location(shortest_paths3, 2), 'r');
title(sprintf('Total distance: %f', total_dist));

运行代码后，可以得到最优解和路线图，其中红色线条表示维修的道路，蓝色点表示选取的医疗点。

需要注意的是，这里的解法只是一种可能的方案，可能存在更优的解法。