在MATLAB中求权重的方法有多种，以下是一些常见的方法及其代码示例：
1. 遗传算法求权重
遗传算法是一种优化方法，可用于求解权重问题。以下是一个使用遗传算法求权重的MATLAB代码示例：
```matlab
% 数据定义
MODEL.SETS.TIME/1..14/:Y,Y_ESTIMATE；
MODEL.SETS.COL/1..3/:SIGMA；
MODEL.LINK（MODEL.COL,MODEL.TIME）:X；
% 数据赋值
Y = [555,134,282,497,292,200,64,125,252,417,406,330,350,447]；
X = [748,133,265,502,259,190,83,132,246,402,419,257,310,452,555,134,282,496,292,201,64,125,252,417,406,331,350,447]；
% 目标函数
MIN = @（J） @（sum（TIME（J）:（Y（J）-@（sum（COL（I）:SIGMA（I）*X（I,J）））^2）））^2；
@（sum（COL（I）:SIGMA（I）））=1；
@（TIME（J）） Y_ESTIMATE（J） = @（sum（COL（I）:SIGMA（I）*X（I,J）））；
% 遗传算法求解
options = optimoptions（'ga', 'Display', 'none'）；
[X, fval] = ga（@（x） MIN（x）, [1,1,1], options）；
% 输出结果
disp（'Global optimal solution found.'）；
disp（'Objective value:'）；
disp（fval）；
```
2. 层次分析法（AHP）求权重
层次分析法是一种常用的多准则决策方法，通过构建判断矩阵来求权重。以下是一个使用AHP求权重的MATLAB代码示例：
```matlab
% 判断矩阵
A = [1 1/4 1/2 1/3 1/9； 4 1 3 2 1/4； 2 1/3 1 1/2 1/7； 3 1/2 2 1 1/5； 9 4 7 5 1]；
[n,n] = size（A）；
RI = [0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.51]；
% 一致性检验和权向量计算
[V,D] = eig（A）；
r = D（1,1）；
CI = （r-n）/（n-1）；
CR = CI/RI（n）；
if CR < 0.10
CR_RESULT = '通过'；
else
CR_RESULT = '不通过'；
end
w = V（:,1）/sum（V（:,1））；
w = w'；
disp（'该判断矩阵权向量计算报告：'）；
disp（['一致性指标：' num2str（CI）]）；
disp（['一致性比例：' num2str（CR）]）；
disp（['一致性检验结果：' CR_RESULT]）；
disp（['特征值：' num2str（r）]）；
disp（['特征向量：' num2str（w）]）；
```
3. 变异系数法求权重
变异系数法是一种基于数据变异程度来确定权重的方法。以下是一个使用变异系数法求权重的MATLAB代码示例：