ScholarGate
Assistent
MCDMDistancecrisp

Manhattan-avstånd — L1-norm (city-block-avstånd) mellan två vektorer

DIST-MANHATTAN (Manhattan-avstånd — L1-norm (city-block-avstånd) mellan två vektorer) är en metod för multi-kriteriebeslutsfattande (MCDM) som introducerades av Dezert, J., Tchamova, A., Han, D., Bhotto, M. Z. A. år 2020. Den omvandlar en beslutsmatris av alternativ, poängsatta på flera kriterier, till ett strukturerat, reproducerbart resultat.

Tillämpa med DecisionMindSnartVideoSnartDownload slides

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Method map

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

Källor

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

Så citerar du den här sidan

ScholarGate. (2026, June 2). Manhattan Distance — L1 norm (city-block distance) between two vectors. ScholarGate. https://scholargate.app/sv/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). Hämtad 2026-06-15 från https://scholargate.app/sv/decision-making/dist-manhattan · Datamängd: https://doi.org/10.5281/zenodo.20539026