matlab 求解maxmize:∑_(m=1)^M▒〖Z(SGU)*C_1*〖Task〗_k*L_k*log p_sm 〗-C_2 ∑_(m=1)^M▒〖q_sm〗^2/2

可以使用Matlab中的优化工具箱来求解该最大化问题。具体步骤如下：

1. 定义目标函数：将最大化问题转化为最小化问题，即将目标函数乘以-1。在Matlab中可以定义一个匿名函数来表示目标函数。

f = @(x) -sum(Z(SGU)*C_1*Task.*L_k.*log(x(1:N))) + C_2*sum(x(N+1:end).^2/2);

其中，x为优化变量，前N个元素为p_sm，后M个元素为q_sm。

2. 定义约束条件：根据题目中的约束条件，可以将p_sm限制在[0,1]的范围内。在Matlab中可以使用ineqconstr函数定义不等式约束条件。

A = [];
b = [];
Aeq = [];
beq = [];
lb = zeros(N+M,1);
ub = ones(N,1);
nonlcon = @(x) [];

其中，A、b、Aeq、beq、lb和ub分别表示线性等式约束、线性不等式约束、非线性等式约束、非线性不等式约束、变量下界和变量上界。nonlcon表示非线性约束条件，在本问题中为空。

3. 求解最小化问题：使用Matlab中的fmincon函数求解最小化问题。

x0 = rand(N+M,1);
[x,fval,exitflag,output] = fmincon(f,x0,A,b,Aeq,beq,lb,ub,nonlcon);

其中，x0为优化变量的初始值。fval为目标函数的最小值。exitflag表示求解器的退出标志，0表示收敛，其它值表示未收敛。output为求解过程的详细信息。

4. 计算最大化问题的解：将目标函数的最小值乘以-1得到最大化问题的最优解。

max_fval = -fval;
max_p_sm = x(1:N);
max_q_sm = x(N+1:end);

其中，max_p_sm和max_q_sm分别为最优解中的p_sm和q_sm。

以上就是使用Matlab求解该最大化问题的基本步骤。需要注意的是，在实际应用中，还需要根据具体情况进行调试和优化。