线性规划中求最大化问题，我有5个决策变量，要求在求解时，如果决策变量大于零，那么必须大于一个阈值，如果决策变量为零那就不管。在怎么实现

在MATLAB中，你可以使用`linprog`函数或`fmincon`函数来解决线性规划问题，包括最大化问题。为了满足你的需求（决策变量大于零时必须大于某个阈值），你需要修改问题的形式或者添加额外的约束条件。

如果你的问题形式允许，一种直接的方法是在原始的目标函数上加上惩罚项，当决策变量小于阈值时，这些变量的贡献会被减小。例如，假设`x`是你的决策变量向量，`thresh`是阈值，`p`是一个正数（惩罚系数）：

% 假设你的目标函数是c' * x (c是一个列向量)
target = c' * x;
% 惩罚项，只有当x <= thresh时才考虑
penalty = p .* max(0, thresh - x);

% 更新目标函数
maximized_target = target + penalty;

然后，在调用`linprog`或`fmincon`时，将这个新的`maximized_target`作为目标函数来求解：

% linprog 示例
[x, fval] = linprog(-c, [], [], [], [], ones(size(x)), zeros(size(x)), [], [], 'interior-point');

% 或者 fmincon 示例
options = optimoptions(@fmincon, 'Algorithm', 'interior-point');
[x, fval] = fmincon(-maximized_target, x0, Aeq, beq, lb, ub, [], [], [], options);

这里`lb`是下界，即所有决策变量都必须大于等于0；`ub`是上界，但因为你提到如果为0就不管，所以通常设置为无穷大（Inf）或足够大的正数，比如`1e6`。

如果你的问题形式更复杂，无法直接调整目标函数，可能需要转换为带有二元变量或额外约束的模型。在这种情况下，你可能需要利用`quadprog`或其他优化工具包，如`cvx`或`YALMIP`，来构建更复杂的数学模型。