用matlab编写程序求约束优化问题minf（x）f=x^4-2*x^2*y+x^2+2*y^2-2*x*y+9/2*x-4*y+4，s.t. x1+x2=4

好的，这是一个带有线性约束的二元函数的最小化问题。我们可以使用 Matlab 中的 fmincon 函数来求解。具体的代码如下：

% 定义目标函数
fun = @(x) x(1)^4 - 2*x(1)^2*x(2) + x(1)^2 + 2*x(2)^2 - 2*x(1)*x(2) + 9/2*x(1) - 4*x(2) + 4;

% 定义线性约束
Aeq = [1, 1];
beq = 4;

% 设置初始点
x0 = [0, 0];

% 设置优化参数
options = optimoptions('fmincon', 'Display', 'iter', 'Algorithm', 'interior-point', 'MaxIter', 1000, 'MaxFunEvals', 10000);

% 调用 fmincon 函数求解
[x, fval, exitflag, output] = fmincon(fun, x0, [], [], Aeq, beq, [], [], [], options);

% 输出结果
fprintf('最小值为 %f，最优解为 (%f, %f)\n', fval, x(1), x(2));

在上面的代码中，我们首先定义了目标函数 `fun`，然后定义了线性约束 `Aeq` 和 `beq`，这里 `Aeq` 是一个 1x2 的矩阵，表示两个变量的系数之和为 1，`beq` 的值为 4，表示两个变量之和为 4。接着，我们设置了初始点 `x0` 和优化参数 `options`。最后，我们调用了 `fmincon` 函数来求解最小值和最优解，最后输出结果。

请注意，这里我们使用了 `interior-point` 算法来进行优化，这是一种基于内点法的优化算法，具有较好的收敛性能。如果您想尝试其他的算法，可以在 `options` 中修改 `Algorithm` 的值。