设矩阵p0=[0 1 0 0;0 x1 x2 0;0 0 x3 x4;0 0 0 1],目标函数为:minf(xi)=sum(pi-p0)(pi-p0)',限制条件x1+x2=1;x3+x4=1;x1>=0,x2>=0,x3>=0,x4>=0的matlab代码

根据题意，可以将目标函数表示为：

minf(xi) = sum((pi - p0)(pi - p0)')

其中，pi表示第i个元素，p0表示给定的矩阵。

根据限制条件，可以得到以下等式约束和不等式约束：

等式约束：

x1 + x2 = 1

x3 + x4 = 1

不等式约束：

x1 >= 0

x2 >= 0

x3 >= 0

x4 >= 0

根据以上信息，可以编写如下的matlab代码进行求解：

% 定义问题参数
p0 = [0 1 0 0; 0 x1 x2 0; 0 0 x3 x4; 0 0 0 1];
n = size(p0, 1);
p = sym('p', [n n]); % 定义符号变量

% 定义目标函数和约束条件
minf = 0;
for i = 1:n
    for j = 1:n
        minf = minf + (p(i, j) - p0(i, j)) * (p(i, j) - p0(i, j))';
    end
end
obj = matlabFunction(minf, 'Vars', {p});

eq1 = x1 + x2 - 1;
eq2 = x3 + x4 - 1;
eqs = [eq1, eq2];
ineqs = [x1, x2, x3, x4];

% 定义初始点
x0 = [0.5, 0.5, 0.5, 0.5];

% 求解矩阵规划问题
[x, fval] = fmincon(obj, x0, [], [], eqs, ineqs, zeros(1, 4), []);

其中，matlab中的fmincon函数用于求解非线性约束优化问题。在此函数中，第一个参数是目标函数，第二个参数是初始点，第三个和第四个参数是线性约束条件的系数矩阵和右端向量，第五个和第六个参数是等式约束条件和不等式约束条件，最后一个参数是优化选项。由于该问题的约束条件都是线性的，因此可以直接将不等式约束条件写成一个向量。