基于matlab写出上述的算法代码

以下是基于 MATLAB 的随机试验法优化算法代码：

function [xopt, fopt] = random_search(fcn, lb, ub, N, p, eps)
% fcn: 目标函数句柄
% lb: 设计变量下限
% ub: 设计变量上限
% N: 随机试验点个数
% p: 选取前p个最好点
% eps: 收敛阈值

    % 初始化
    n = length(lb); % 设计变量个数
    x = zeros(N, n); % 随机试验点
    f = zeros(N, 1); % 目标函数值
    iter = 0; % 迭代次数
    xmean = zeros(1, n); % 前p个最好点的均值
    rmsd = Inf(1, n); % 前p个最好点的均方根差

    % 随机生成试验点
    for i = 1:N
        x(i, :) = lb + rand(1, n) .* (ub - lb);
        f(i) = fcn(x(i, :));
    end

    while max(rmsd) > eps
        iter = iter + 1;

        % 选取前p个最好点
        [f_sorted, idx] = sort(f);
        x_sorted = x(idx, :);
        xbest = x_sorted(1:p, :);

        % 计算前p个最好点的均值和均方根差
        xmean = mean(xbest, 1);
        rmsd = sqrt(mean((xbest - repmat(xmean, p, 1)).^2, 1));

        % 构造新的试验区间
        lb_new = max(lb, xmean - 3 * rmsd);
        ub_new = min(ub, xmean + 3 * rmsd);

        % 生成新的试验点
        for i = 1:N
            while true
                x_new = lb_new + rand(1, n) .* (ub_new - lb_new);
                if all(x_new >= lb) && all(x_new <= ub)
                    break;
                end
            end
            x(i, :) = x_new;
            f(i) = fcn(x(i, :));
        end
    end

    % 取函数值最小的点为最优解
    [fopt, idx] = min(f);
    xopt = x(idx, :);
end

其中，`fcn` 是目标函数的句柄，`lb` 和 `ub` 分别是设计变量的下限和上限，`N` 是随机试验点的个数，`p` 是选取前p个最好点，`eps` 是收敛阈值。函数返回最优解 `xopt` 和对应的目标函数值 `fopt`。