用matlab编写程序求以下优化问题： 1. 求无约束优化问题： 3 1 2 1 2 2 1 2 1 2 2 min ( ) 2 f X x x x x x     2. 求约束优化问题 1 4 1 2 2 1 2 2 2 1 2 1 2 1 2 9 min ( ) 2 2 2 4 4 2 . . 4 f X x x x x x x x x x st x x         

1. 无约束优化问题的matlab代码实现：

function [x, fval] = unconstrained_optimization()
    f = @(x) 3*x(1) + x(2) - 2*x(3) + x(4) - 2*x(5) - 2*x(6) + x(7) - 2*x(8) + x(9) - 2*x(10) - 2*x(11);
    grad_f = @(x) [3; 1; -2; 1; -2; -2; 1; -2; 1; -2; -2];
    x = zeros(11, 1);
    alpha = 0.1;
    max_iter = 1000;
    for i = 1:max_iter
        g = grad_f(x);
        x = x - alpha*g;
        fprintf("iter %d: x = %s, f(x) = %f\n", i, mat2str(x), f(x));
    end
    fval = f(x);
end

2. 约束优化问题的matlab代码实现：

function [x, fval] = constrained_optimization()
    f = @(x) 2*x(1)^2 + 2*x(2)^2 + 2*x(3)^2 + 4*x(4)^2 + 4*x(5)^2 + 2*x(6)^2 - 4*x(4) - 2*x(5);
    x0 = zeros(6, 1);
    A = [-1 4 2 -1 2 -2; 1 4 -1 2 -2 2];
    b = [-1; 4];
    [x, fval] = fmincon(f, x0, A, b);
end

这里使用了matlab自带的优化函数fmincon来求解约束优化问题。其中，f表示目标函数，x0为自变量的初始值，A和b为不等式约束条件。程序会返回最优解x和目标函数的最小值fval。你可以根据自己的需要修改目标函数、约束条件等参数来求解不同的优化问题。