外点罚函数法求解 min f(x) = (x1 - 2)^2+(x2 - 1)^2 -0.25*（x1）^2-(x2)^2+1>=0 x1-2*x2 +1=0 接口函数[xstar, fxstar, iter] = penalty(penalty func,contrains，Xo, E)初始迭代点Xo = (2,2)，E= 1e-3

这道题目和之前的一道题目非常相似，只是约束条件变成了等式约束，因此我们只需要对上面的代码略作修改即可。以下是修改后的代码：

% 目标函数
fun = @(x) (x(1)-2)^2 + (x(2)-1)^2 - 0.25*x(1)^2 - x(2)^2;

% 约束条件函数
constr = @(x) [x(1)-2*x(2)+1, x(1)-2*x(2)-1];

% 罚函数参数
mu0 = 10;
rho = 2;

% 初始罚函数
penalty_fun = @(x) mu0*sum(max(0, constr(x))) + fun(x);

% 定义罚函数更新函数
update_penalty = @(mu) mu*rho;

% 定义罚函数参数初始值
mu = mu0;

% 初始点
x0 = [2, 2];

% 容许误差
E = 1e-3;

% 迭代计数器
iter = 0;

while true
    % 优化
    [xstar, fxstar] = fminsearch(penalty_fun, x0);
    
    % 更新罚函数参数和罚函数
    mu = update_penalty(mu);
    penalty_fun = @(x) mu*sum(max(0, constr(x))) + fun(x);
    
    % 如果满足容许误差，结束迭代
    if max(abs(constr(xstar))) < E
        break;
    end
    
    % 更新初始点
    x0 = xstar;
    
    % 迭代计数器加1
    iter = iter + 1;
end

% 输出结果
disp('最优解：');
disp(xstar);
disp('目标函数值：');
disp(fxstar);
disp('迭代次数：');
disp(iter);

和之前一样，我们先定义了目标函数和约束条件函数，然后定义了罚函数和罚函数参数的初始值。接下来，我们使用一个循环来不断更新罚函数和罚函数参数，并使用 `fminsearch` 求解罚函数最小值来得到最优解。如果最优解满足容许误差，就结束循环。最后，我们返回最优解、目标函数值和迭代次数。

需要注意的是，由于约束条件变成了等式约束，因此我们需要将约束条件函数也做出相应的修改。在这个例子中，我们将第二个约束条件从 $1 - x_1^2 - x_2^2 \geq 0$ 修改为 $x_1 - 2x_2 - 1 = 0$。