用matlab2022软件分别对minf(x)=x^4+2x+4;minf(x)=x^3-3x+1;两个函数做以下MATLAB实验，写出代码： 2.不同的算法终止条件对迭代次数的影响；（至少5个终止条件）

在MATLAB中，你可以使用`fminunc`函数来求解无约束优化问题。为了演示不同的算法终止条件对迭代次数的影响，我们通常会选择梯度下降法（默认算法）和其他一些优化算法，如 levenberg-marquardt（L-BFGS）和 trust-region-dogleg（TRD）。以下是使用`fminunc`函数以及几种常见终止条件编写的一个例子：

% 定义目标函数
fun1 = @(x) x.^4 + 2*x + 4;
fun2 = @(x) x.^3 - 3*x + 1;

% 初始化参数
x01 = zeros(1, 1); % 针对第一个函数，我们可以随便设置初始点
x02 = zeros(1, 1); % 对于第二个函数同样

% 创建结构体数组存储不同的优化选项
options = optimoptions('fminunc', ... % 使用fminunc函数
    'Algorithm', {'quasi-newton'}, % 使用牛顿法作为示例
    'Display', 'iter', % 显示每次迭代的信息
    'TolX', [1e-6 1e-6], 'MaxFunEvals', Inf, ... % 设置一些通用终止条件
    'AlgorithmOptions', ... % 用于尝试不同的内部算法
        struct('Method', 'trust-region-dogleg'), % L-BFGS
        struct('Method', 'levenberg-marquardt')  % TRD
);

% 对每个函数和不同的优化选项进行迭代并计算迭代次数
for i = 1:length(options.Method)
    fprintf("Optimizing function %d with method: %s\n", i, options.Method{i}.Method);
    x_result(i), iter_count(i) = fminunc(fun1, x01, options.Method(i)); % 对第一个函数
    fprintf("Minimum of fun1: %f, Iterations: %d\n", x_result(i), iter_count(i));
    
    x_result(i+length(options.Method)), iter_count(i+length(options.Method)) = fminunc(fun2, x02, options.Method(i)); % 对第二个函数
    fprintf("Minimum of fun2: %f, Iterations: %d\n", x_result(i+length(options.Method)), iter_count(i+length(options.Method)));
end