生成一份符合文件中1.2到1.5内容的完整matlab代码

根据文件内容，以下是针对1.2至1.5节所述农作物最优种植策略模型的一个MATLAB实现版本概述：

注意，PDF中的Python代码需转换为MATLAB语法，并非直接移植。这里只提供一个概念上的MATLAB代码结构及核心部分，具体细节（如数据导入、变量初始化等）需要依据实际情况调整：

% MATLAB代码示例 - 农作物最优种植策略模型

% 1. 导入数据
% 注意：此处仅示意如何加载数据，实际的数据路径和格式请按项目设置
lands = readtable('附件 1.xlsx');   % 地块信息
crops = readtable('附件 2.xlsx');   % 作物信息
years = 2024 : 2030;                 % 时间范围

% 清理列名，确保列名正确
lands.Properties.VariableNames = lower(strtrim(lands.Properties.VariableNames));
crops.Properties.VariableNames = lower(strtrim(crops.Properties.VariableNames));

% 提取必要的数据
landArea = lands.地块面积_亩;     % 各地块的面积
cropNames = crops.作物名称;        % 作物名称
numLands = length(landArea);        % 地块数量
numCrops = length(cropNames);       % 作物种类数量

% 2. 初始化模型
prob = optimproblem("ObjectiveSense", "maximize");

% 3. 定义决策变量
x = optimvar('x', numLands, numCrops, numel(years), 'LowerBound', 0, 'Type', 'continuous');
z = optimvar('z', numLands, numCrops, numel(years), 'LowerBound', 0, 'UpperBound', 1, 'Type', 'integer');

% 4. 设置目标函数
% 收益由销售所得减去种植成本构成
objFunc = sum(sum(sum(z(i,j,t) * (crops.销售价格(j) - crops.种植成本(j)), 'all')));

prob.Objective = objFunc;

% 5. 添加约束条件
% (1) 地块面积限制
for i = 1:numLands
    for t = 1:numel(years)
        prob.Constraints.blockAreaLimit = sum(x(i,:,t),'all') <= landArea(i);
    end
end

% (2) 不重茬约束
for i = 1:numLands
    for j = 1:numCrops
        for t = 2:numel(years)
            prob.Constraints.cropRotation = z(i,j,t) + z(i,j,t-1) <= 1;
        end
    end
end

% (3) 三年内至少种植一次豆类作物
for i = 1:numLands
    for periodStart = 1:3:(numel(years)-2)
        prob.Constraints.beanCropPeriod = sum(z(i,cropNames == '豆类',periodStart:periodStart+2),'all') >= 1;
    end
end

% 6. 求解模型
options = optimoptions('intlinprog', 'Display', 'final');
[sol, fval] = solve(prob, 'Options', options);

% 7. 输出结果
disp(sol.x);
disp(fval);

请注意，上述MATLAB代码仅为示意性质，实际应用时您需要根据具体情况修改数据导入方式、变量命名以及逻辑处理等内容。