在Matlab中，可以使用多种方法来解决多元函数优化问题。
一种常用的方法是使用内置的优化函数fmincon。该函数可以用于求解有约束条件的优化问题，可以通过设置约束条件和初始点来进行优化。例如，下面是一个求解有约束条件的多元函数优化问题的示例代码：
% 定义目标函数
fun = @(x) x(1)^2 + x(2)^2;
% 定义约束条件
A = [1, -1];
b = 0;
% 定义初始点
x0 = [1, 1];
% 使用fmincon进行优化
x = fmincon(fun, x0, A, b);
另一种常用的方法是使用全局优化函数，如fminunc或fminsearch。这些函数可以用于求解无约束条件的优化问题，可以通过设置目标函数和初始点来进行优化。例如，下面是一个求解无约束条件的多元函数优化问题的示例代码：
% 定义目标函数
fun = @(x) x(1)^2 + x(2)^2;
% 定义初始点
x0 = [1, 1];
% 使用fminunc进行优化
x = fminunc(fun, x0);
除了以上这些方法，还可以使用其他优化算法，如遗传算法、粒子群优化算法等。Matlab中也提供了相应的工具箱，可以方便地使用这些算法进行优化。
无论使用哪种方法，都需要根据具体的问题选择合适的优化函数和算法，并根据需要设置相关的参数和约束条件，以达到最好的优化效果。