写出一段MATLAB非线性规划算法，要求既有线性等式约束，也有线性不等式约束

在MATLAB中，可以使用`fmincon`函数来解决包含线性等式约束和线性不等式约束的非线性规划问题。`fmincon`函数属于MATLAB的优化工具箱，它用于寻找满足约束条件的多变量函数的局部最小值。

下面是一个简单的例子，展示了如何使用`fmincon`解决非线性规划问题：

% 定义目标函数，这是一个简单的二次函数
function f = objectiveFunction(x)
    f = x(1)^2 + x(2)^2 + x(3)^2; % 求最小化x1^2 + x2^2 + x3^2
end

% 定义非线性约束函数
function [c, ceq] = constraintFunction(x)
    c = [x(1)^2 + x(2)^2 - 1; % x1^2 + x2^2 <= 1，不等式约束
         x(1) + x(2) + x(3)^2 - 2]; % x1 + x2 + x3^2 <= 2，不等式约束
    ceq = []; % 没有等式约束
end

% 初始猜测解
x0 = [0.5, 0.5, 0.5];

% 线性等式约束矩阵
Aeq = [1, 1, 1]; % 例如 x1 + x2 + x3 = 1
beq = 1;

% 线性不等式约束矩阵
A = [-2, -1, 0; % 例如 -2x1 - x2 <= 0
      0, -1, -1]; % 例如 -x2 - x3 <= 0
b = [0; 0]; % 右侧不等式常数项

% 设置fmincon选项，例如算法类型、显示输出等
options = optimoptions('fmincon', 'Display', 'iter', 'Algorithm', 'sqp');

% 调用fmincon函数求解
[x_min, f_min] = fmincon(@objectiveFunction, x0, A, b, Aeq, beq, [], [], @constraintFunction, options);

% 输出结果
disp('解向量:');
disp(x_min);
disp('最小目标函数值:');
disp(f_min);

在这个例子中，`objectiveFunction`是需要最小化的目标函数，`constraintFunction`定义了非线性约束条件。`Aeq`和`beq`定义了线性等式约束，而`A`和`b`定义了线性不等式约束。`fmincon`函数通过这些参数进行求解，并在满足所有约束条件的情况下找到目标函数的最小值。