MCDMDistancecrisp

Manhattan-etäisyys — L1-normi (kaupunkilaislohkoetäisyys) kahden vektorin välillä

DIST-MANHATTAN (Manhattan-etäisyys — L1-normi (kaupunkilaislohkoetäisyys) kahden vektorin välillä) on monikriteerisen päätöksenteon (MCDM) menetelmä, jonka Dezert, J., Tchamova, A., Han, D., Bhotto, M. Z. A. esittelivät vuonna 2020. Se muuntaa useilla kriteereillä pisteytettyjen vaihtoehtojen päätösmatriisin jäsennellyksi, toistettavaksi tulokseksi.

Sovella työkalulla DecisionMindTulossaVideoTulossaDownload slides

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Method map

The neighbourhood of related methods — select a node to explore.

Manhattan-etäisyys
Combinative Distance-Bas…

Lähteet

  1. Dezert, J., Tchamova, A., Han, D., Bhotto, M. Z. A. (2020). Manhattan Distance. IEEE Transactions on Cybernetics link

Näin viittaat tähän sivuun

ScholarGate. (2026, June 2). Manhattan Distance — L1 norm (city-block distance) between two vectors. ScholarGate. https://scholargate.app/fi/decision-making/dist-manhattan

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.

Compare side by side
ScholarGateDIST-MANHATTAN (Manhattan Distance — L1 norm (city-block distance) between two vectors). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/decision-making/dist-manhattan · Aineisto: https://doi.org/10.5281/zenodo.20539026