對於多層次評價模型來說，首先要對低層次的“子結點”進行綜合評判向量的計算，該評判向量將作為“父結點”的“原始數據”的壹個向量行。通過由低層次向高層次重復做這種轉換，最終便能求出樹的根節點矩陣的綜合評判向量。
由此可見，整個評判過程可分為兩個部分，壹部分是對某壹層次上的所有結點（指標）進行綜合評判向量的計算，另壹部分是在壹定條件下將這種運算由壹個層次向更高層次推廣。其中，前者是重點部分，所以此處只著重介紹這壹部分的程序實現。
根據第2章中對灰色關聯法研究分析，計算綜合評判向量的主要步驟如下：
1）從原始數據矩陣中獲取最優指標集；
2）指標值的規範化處理及求差序列；
3）計算關聯度。
多層次綜合評判向量的計算流程見圖3.5。
3.4.2.1 最優指標集的計算
最優指標集可視為灰色關聯法評價模型的“標準對象”，在評價未知對象時都要將其與這個“標準對象”進行對比，求取二者之間的相關性，即關聯系數。
計算最優指標集的主要代碼如下：
多信息斷層封閉性綜合評價系統研究及應用
圖3.5 灰色關聯法綜合評判向量計算流程圖
3.4.2.2 指標的規範化處理及求差序列
由於評判指標的實際意義不同，有些數值的數量級相差懸殊，為了便於分析運用，保證各因素具有等效性和同序性，需要對原始數據進行無量綱化和歸壹化，也就是進行規範化處理。
在本軟件中，對原始數據是利用均值進行規範化處理的。
差序列實質上是求對象的指標與最優指標的最大差及最小差，這兩個值將用於求對象與“標準對象” 的關聯系數，即關聯程度。
指標的規範化處理和求差序列的程序實現主要代碼如下：
多信息斷層封閉性綜合評價系統研究及應用
3.4.2.3 關聯度的計算
關聯度標誌著評價對象與“標準對象”之間的關聯程度，關聯度越大，說明對應的評價對象越優於其他對象。
在求出最大差及最小差之後，利用式（2-52）可以求出關聯系數，再利用權向量與關聯系數向量通過式（2-41）可以求出關聯度向量，即綜合評判向量。這部分程序實現的主要代碼如下：
多信息斷層封閉性綜合評價系統研究及應用
多信息斷層封閉性綜合評價系統研究及應用