情景优化模型的matlab代码，注释用英文写

情景优化 (Scenario Optimization) 是一种在不确定环境下对决策过程进行优化的技术。在MATLAB中，你可以利用`fmincon`函数结合`sdpvar`包来编写这类问题的代码。以下是一个简单的例子，假设我们要最小化某个线性目标函数，同时考虑几个不确定的情景：

% 导入所需包
addpath('toolbox/sdp') % 如果尚未添加，需要安装sdpvar工具箱

% 定义变量 (假设我们有三个变量 x, y, z)
x = sdpvar; % 这里创建了一个连续的变量x
y = sdpvar;
z = sdpvar;

% 假设我们有两个情景矩阵A和B，代表目标函数系数的不确定性
A = [1 -1; 0.5 -0.7]; % 每行对应一个情景下的目标函数系数
B = ... % 类似的定义另一个情景

% 创建一个情况向量c，表示每个情景对应的权重
weights = [0.6; 0.4]; % 总和为1的权值分配

% 构建目标函数 (这里我们取所有情景的加权和)
objective = sum(weights .* (A*x + B*y + z));

% 添加约束
% 假设x >= 0, y <= 1
ineq_constr = [x >= 0, y <= 1];

% 使用fmincon进行优化
options = optimoptions(@fmincon, 'Display', 'iter'); % 设置显示迭代信息
[solution, fval] = fmincon(objective, [], ineq_constr, [], [], [], [], x, y, z, options);

% 注释
% objective: 线性目标函数
% A and B: 变换矩阵，分别代表两个情景下的系数变化
% weights: 每个情景的权重
% fmincon: 决策变量优化函数
% ineq_constr: 约束条件
% solution: 最优解
% fval: 最小化的目标函数值