曼哈顿距离

曼哈顿距离（Manhattan Distance），也称为曼哈顿度量或L1距离，是一种在数学和计算机科学中常用的距离度量方法。它是以美国纽约市的曼哈顿区命名的，因为这种距离度量方式类似于在曼哈顿街区中沿着网格状的街道步行的距离。

定义

曼哈顿距离定义为在一个N维向量空间中，两个点之间的距离为它们在各个坐标轴上差值的绝对值之和。对于两个点

 

 

 和

，曼哈顿距离 D 的计算公式为：



特点

1.简单计算：

曼哈顿距离的计算相对简单，仅需求取各个维度上的绝对差值之和。
2.网格路径：

它适用于那些只能沿网格路径移动的情景，例如城市街道或某些类型的机器人路径规划。
3.敏感度不同：

相比于欧几里得距离，曼哈顿距离对各个维度上的变化敏感度相同，而欧几里得距离则对较大值的维度更加敏感。

应用场景

1.城市交通：

如计算城市中两点之间的行走或驾车距离。
2.机器学习：

在某些算法中（如K近邻算法，KNN）作为一种距离度量方式。
3.图像处理：

用于衡量图像块的相似性。
4.数据分析：

用于分析高维数据中的点与点之间的距离。

示例

假设有两个点 ( A(1, 2) ) 和 ( B(4, 6) )，它们在二维平面上的曼哈顿距离计算如下：
[ D(A, B) = |1 - 4| + |2 - 6| = 3 + 4 = 7 ]
因此，点 ( A ) 和点 ( B ) 的曼哈顿距离为7。

总结

曼哈顿距离是一种简单有效的距离度量方法，特别适合在网格状或高维数据场景中使用。它的计算简单且易于理解，在很多实际应用中都有重要的作用。