Multi-objective Tabu Search (MOTS) — Metaheuristik for Pareto-optimale løsninger
Multi-objective Tabu Search (MOTS) er en metaheuristisk algoritme, der udvider det klassiske Tabu Search-framework til samtidigt at optimere to eller flere modstridende objektivfunktioner. I stedet for et enkelt optimum søger den at approksimere Pareto-fronten — mængden af løsninger, hvor ingen objektiv kan forbedres uden at forringe en anden — hvilket gør den egnet til komplekse kombinatoriske og kontinuerlige optimeringsproblemer inden for ingeniørvidenskab, logistik og operationsanalyse.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Hansen, M. P. (1997). Tabu search for multiobjective optimization: MOTS. Presented at the 13th International Conference on Multiple Criteria Decision Making (MCDM), Cape Town, South Africa. link ↗
- Glover, F. (1989). Tabu Search — Part I. ORSA Journal on Computing, 1(3), 190–206. DOI: 10.1287/ijoc.1.3.190 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Multi-objective Tabu Search (MOTS) — Metaheuristic optimization for multiple conflicting objectives. ScholarGate. https://scholargate.app/da/simulation/multi-objective-tabu-search
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.
- Multi-Objective Ant Colony Optimization (MOACO)Simulering↔ compare
- Multi-objektiv genetisk algoritme (MOGA)Simulering↔ compare
- Multi-Objective Particle Swarm Optimization (MOPSO)Simulering↔ compare
- Multi-Objektiv Simuleret Gløding (MOSA)Simulering↔ compare
- Tabu SearchOptimering↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →