نرمالسازی برداری — مقیاسبندی هنجار ستونی اقلیدسی (نرمالسازی L2)
NORM-VECTOR (نرمالسازی برداری — مقیاسبندی هنجار ستونی اقلیدسی (نرمالسازی L2)) یک روش تصمیمگیری چندمعیاره (MCDM) نرمالسازی است که توسط Hwang, C. L., Yoon, K. در سال ۱۹۸۱ معرفی شد. این روش ماتریس تصمیم گزینههایی را که بر اساس معیارهای متعدد امتیازدهی شدهاند، به یک نتیجه ساختاریافته و قابل تکرار تبدیل میکند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Hwang, C. L., Yoon, K. (1981). Multiple Attribute Decision Making: Methods and Applications. Lecture Notes in Economics and Mathematical Systems, Vol. 186, Springer-Verlag DOI: 10.1007/978-3-642-48318-9 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 2). Vector Normalization — Euclidean column-norm scaling (L2 normalisation). ScholarGate. https://scholargate.app/fa/decision-making/norm-vector
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- ارزیابی ترکیبی مبتنی بر فاصلهتصمیمگیری↔ compare
- ارزیابی مبتنی بر فاصله از راهحل میانگینتصمیمگیری↔ compare
- تکنیک اولویتبندی بر اساس شباهت به راهحل ایدهآلتصمیمگیری↔ compare
- ارزیابی مجموع حاصلضرب تجمعی وزنیتصمیمگیری↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →