编写matlab程序实现坐标轮换法，求出给定目标函数的最优解。求出下列目标函数的极值点和极值

在MATLAB中，我们可以使用优化工具箱（如`fmincon`、`fminunc`等）结合坐标轮换法（也称为梯度下降或拟牛顿算法）来寻找非线性目标函数的局部最优解。假设我们有一个连续的目标函数 `fun(x)`，其中 `x` 是我们要找极值点的向量。

以下是一个简单的例子，展示如何编写这样的程序：

% 定义目标函数 (这里仅作为示例)
function [f, grad] = myObjectiveFunction(x)
    % 替换成实际的函数定义
    f = x(1)^2 + 2*x(2)^2 - 4*x(1)*x(2);
    grad = [2*x(1) - 4*x(2); 4*x(2) - 8*x(1)];
end

% 初始猜测的解（需要用户输入或设置）
initialGuess = [-1; 1];

% 设置约束条件（如果有）
lb = [-inf, -inf];   % 下界（默认无下限）
ub = [inf, inf];     % 上界（默认无限大）

% 使用fminunc（未约束优化）或fmincon（有约束优化）
options = optimoptions('fminunc', 'Algorithm', 'quasi-newton'); % 使用拟牛顿算法
[xOpt, fOpt, exitflag, output] = fminunc(@myObjectiveFunction, initialGuess, options);

% 输出结果
fprintf('Optimal solution:\n');
disp(xOpt);
fprintf('Minimum value of the function at the optimal point:\n');
disp(fOpt);

% 检查极值点的性质
if exitflag > 0
    fprintf('The optimization was successful.\n');
    if strcmp(output.algo, 'interior-point')
        fprintf('This is a local minimum.\n');
    else
        fprintf('No conclusion about type of extremum can be drawn.\n');
    end
else
    fprintf('Optimization failed.\n');
end