算法的具体步骤
TOPSIS-GRA算法过程可参考孙晓东、焦玥和胡劲松（2005）等人的文献研究。其算法的具体步骤如下。
（1）TOPSIS过程
①得到标准化矩阵。设有m个评价对象，n个指标，指标值为xij（1≤i≤m，1≤j≤n），则决策矩阵对决策矩阵做一致性方向转换和标准化处理，得到标准化矩阵
X=(xij)m×n
Y=(yij)m×n
②确定指标权重。指标权重采用主观赋权和客观赋权相结合的方式，主观赋权采用AHP，客观赋权采用熵值法，采用乘法公式进行合成，并做归一化处理。具体公式如下：
其中，αj和βj分别为由AHP和熵值法确定的第j个指标的权重，ωj为第j个指标进行乘法合成和归一化处理后的组合权重。
③计算加权标准化矩阵。
④确定理想解和负理想解。
⑤计算到理想解和负理想解的距离。第i个评价对象到理想解的欧氏距离：
第i个评价对象到负理想解的欧氏距离：
（2）GRA过程
①计算到理想方案的灰色关联系数。以上文确定的加权标准化矩阵为基础，计算第i个评价对象与理想方案关于第j个指标的灰色关联系数
其中
；ζ为分辨系数，一般取值0.5。
由此可得评价对象与理想方案的灰色关联系数矩阵
(https://www.daowen.com)
②计算到负理想方案的灰色关联系数。计算第i个评价对象与负理想方案关于第j个指标的灰色关联系数
其中
；ζ为分辨系数，一般取值0.5。
由此可得评价对象与负理想方案的灰色关联系数矩阵
③计算到理想方案、负理想方案的灰色关联度
第i个评价对象与理想方案的灰色关联度为：
第i个评价对象与负理想方案的灰色关联度为：
（3）TOPSIS-GRA合成
①对TOPSIS距离和GRA关联度进行合成。先对TOPSIS得到的距离
，以及GRA得到的关联度
采用极大值法进行无量纲化处理。
由于
和
数值越大越接近理想解
和
数值越大越远离理想解，因此采用如下公式合成：
②计算相对贴近度。第i个评价对象的相对贴近度采用如下公式得到：
（4）动态时间加权
以上得到的相对贴近度是在t时刻上的静态评价结果
，考虑对评价对象在建设周期内的整个过程表现进行综合评价，还需要进行动态时间加权。本书采用如下公式得到动态综合评价值：
其中，τi为时间权向量，一般可采用递增型序列，以体现“厚今薄古”的思想，若无特定时间偏好要求，也可以取τi=1。Zi则为第i个评价对象经过TOPSIS-GRA合成和时间动态加权后的最终评价结果。
根据
的静态评价结果，可以得到评价对象在某一特定时刻的排名情况；
根据Zi的动态评价结果，便可以对评价对象在整个建设周期内的综合表现进行排名。