TC=[TC1;TC2;TC3;TC4;TC5;TC6;TC7]; TCmean=mean(TC); %目标函数:各层楼方差最小，即同赚同亏 % 定义目标函数 objFunction = @(TC) var(TC); % 定义约束函数 nonlcon = @(k) deal([], [0.1 - k, k - 0.3]); % 定义初始点 k0 = [0.2,0.2,0.2,0.2,0.2,0.2,0.2]; % 设置变量的范围 lb =[0.1,0.1,0.1,0.1,0.1,0.1,0.1]; ub=[0.3,0.3,0.3,0.3,0.3,0.3,0.3]; % 使用 fmincon 函数进行优化 options = optimoptions('fmincon', 'Display', 'iter'); [k, fval, exitflag] = fmincon(objFunction, k0, [], [], [], [], lb, ub, nonlcon, options); % 输出结果 if exitflag > 0 disp('最优解为：'); disp(k); disp('最小方差为：'); disp(fval); else disp('求解失败！'); end

您的代码已经包含了对目标函数和约束函数的定义，以及初始点和变量范围的设置。接下来，您可以使用`fmincon`函数进行优化。

以下是您提供的代码的完整示例：

% 定义目标函数
objFunction = @(TC) var(TC);

% 定义约束函数
nonlcon = @(k) deal([], [0.1 - k, k - 0.3]);

% 定义初始点
k0 = [0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2];

% 设置变量的范围
lb = [0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1];
ub = [0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3];

% 使用 fmincon 函数进行优化
options = optimoptions('fmincon', 'Display', 'iter');
[k, fval, exitflag] = fmincon(objFunction, k0, [], [], [], [], lb, ub, nonlcon, options);

% 输出结果
if exitflag > 0
    disp('最优解为：');
    disp(k);
    disp('最小方差为：');
    disp(fval);
else
    disp('求解失败！');
end

请确保您已经提前定义了`TC`变量，并且它是一个包含多个行的矩阵。在这个示例中，目标函数是`TC`的方差，约束条件是每个元素都在0.1和0.3之间。

在实际应用中，您可能需要根据问题的具体要求，自定义目标函数、约束函数和其他约束条件。此外，还要确保提供正确的输入数据并对代码进行适当的修改。