我试着计算每个未感染的点和一个受感染的点之间的距离之和。

计算每个未感染的点和一个受感染的点之间的距离之和，可以通过以下步骤实现：

首先，确定未感染的点和受感染的点的坐标位置。可以使用二维数组或其他数据结构来表示点的坐标。
然后，使用数学公式计算每个未感染的点和受感染的点之间的距离。常见的距离计算公式包括欧氏距离、曼哈顿距离等。根据具体情况选择适合的距离计算公式。
遍历所有未感染的点，计算每个未感染的点与受感染的点之间的距离，并将距离累加到一个变量中。
最后，得到每个未感染的点与受感染的点之间距离之和的结果。

这个问题涉及到计算距离和遍历操作，可以使用各类编程语言来实现。以下是一个示例的Python代码：

import math

# 未感染的点坐标
uninfected_points = [(1, 2), (3, 4), (5, 6)]
# 受感染的点坐标
infected_point = (7, 8)

# 初始化距离之和
distance_sum = 0

# 计算每个未感染的点与受感染的点之间的距离，并累加到距离之和
for point in uninfected_points:
    distance = math.sqrt((point[0] - infected_point[0])**2 + (point[1] - infected_point[1])**2)
    distance_sum += distance

# 输出距离之和
print("未感染的点与受感染的点之间的距离之和为:", distance_sum)

在这个示例中，我们使用了Python语言来计算每个未感染的点与受感染的点之间的欧氏距离，并将距离累加到距离之和变量中。最后输出了距离之和的结果。

对于云计算领域的相关知识，可以参考腾讯云的文档和产品介绍。腾讯云提供了丰富的云计算服务和解决方案，包括云服务器、云数据库、云存储等。具体推荐的产品和产品介绍链接地址可以根据实际需求和场景来确定。