在求出两个优化目标无量纲化后的线性加权函数的pareto解集以后，用一个评价函数求出两个目标的最佳权重，然后求出此时未知量七个变量的值，用MATLAB代码求解，并给出代码

好的，我明白了。为了回答你的问题，我需要先解释一下你提到的一些概念。

Pareto解集是指在多目标优化问题中，所有不能被改进的解的集合。这些解又被称为“非支配解”或“Pareto最优解”。线性加权函数是指将多个目标函数按照一定的权重进行线性加权，从而得到一个综合的目标函数。未知量七个变量的值是指多目标优化问题中的决策变量，需要通过优化算法求解。

针对你的问题，我可以给出一个大致的步骤：

1. 对两个优化目标进行无量纲化处理，使它们具有可比性。
2. 使用pareto解集算法求出所有的pareto最优解。
3. 写一个评价函数，用来评价不同权重下的综合目标函数值。
4. 使用优化算法（如遗传算法、模拟退火等）求解出最佳权重。
5. 将最佳权重代入综合目标函数中，使用优化算法求解未知量七个变量的值。

下面是一个MATLAB代码示例，用来求解这个问题：

% 定义两个目标函数
f1 = @(x) x(1)^2 + x(2)^2 + x(3)^2;
f2 = @(x) (x(1)-1)^2 + (x(2)-1)^2 + (x(3)-1)^2;

% 对目标函数进行无量纲化处理
f1_norm = @(x) f1(x) / sqrt(3);
f2_norm = @(x) f2(x) / sqrt(3);

% 求出pareto解集
[x, fval] = pareto(@(x) [f1_norm(x), f2_norm(x)]);

% 定义评价函数
evaluate = @(w) sum(bsxfun(@times, [f1_norm(x), f2_norm(x)], w), 2);

% 使用模拟退火算法求解最佳权重
w0 = rand(1, 2);
[w, fval] = simulannealbnd(evaluate, w0, [0, 0], [1, 1]);

% 代入最佳权重，使用遗传算法求解未知量七个变量的值
nvars = 7;
lb = zeros(1, nvars);
ub = ones(1, nvars);
[x, fval] = ga(@(x) sum(x.*w), nvars, [], [], [], [], lb, ub);

当然，这只是一个简单的示例，实际问题可能更加复杂。我希望这个示例能够帮助你理解如何使用MATLAB解决多目标优化问题。