考试综合评分算法主要包括以下几种：

加权平均法

将各项评估指标的得分乘以其对应的权重，然后将所有得分相加，最后除以总权重得到综合得分。

百分制计算法

将各项评估指标的得分转化为百分制得分，然后将所有得分相加，最后除以评估指标数量得到综合得分。

标准分计算法

将各项评估指标的得分转化为标准分，然后将所有得分相加，最后除以评估指标数量得到综合得分。

层次分析法 （AHP）

通过构建层次结构模型，对指标进行两两比较，确定权重，然后计算总评分。

模糊评价法

基于模糊数学理论，根据评价对象与模糊评价集的隶属度进行评价。

TOPSIS法

通过计算评价对象与最优解和最劣解的距离来进行排序。

灰色综合评价法

利用灰色系统理论，对不完全信息进行综合评价。

人工神经网络评价法

模拟人脑神经网络，通过训练网络学习评价对象的特性，进行评价。

RSR法

一种基于秩和比的综合评价方法。

功效系数法

根据评价指标的实际值与标准值的差距计算功效系数，进而进行综合评价。

主成分分析法 （PCA）

通过正交变换将原始数据变换为几个主成分，以减少数据维度并提取主要信息。

数据包络分析法 （DEA）

评估决策单元的相对效率，并分析非有效原因。

省级统考专业分数计算

例如，播音与主持类综合成绩=文化成绩×70%+专业成绩×750/300×30%。

高考综合分计算

例如，73模式：综合评价成绩 = 高考成绩 × 70% + 学校能力测试成绩 × 30%。

例如，631模式：综合成绩 = 高考成绩（折算成百分制60%）+ 校测试成绩 × 30%（机试25% + 面试5%）+ 高中学业成绩 × 10%（综合素质3% + 高中学业水平考试成绩7%）。

例如，55模式：综合成绩 = 高考成绩 × 50% + 学校自主综合评估 × 50%。

这些算法可以根据不同的评估需求和场景进行选择和调整。在实际应用中，可以根据具体情况和需求选择合适的算法进行综合评分。