Multi-objective Tabu Search (MOTS) — Metaheuristik für Pareto-optimale Lösungen
Multi-objective Tabu Search (MOTS) ist ein metaheuristischer Algorithmus, der das klassische Tabu-Search-Framework erweitert, um gleichzeitig zwei oder mehr konkurrierende Zielfunktionen zu optimieren. Anstelle eines einzelnen Optimums versucht er, die Pareto-Front zu approximieren – die Menge von Lösungen, bei denen kein Ziel verbessert werden kann, ohne ein anderes zu verschlechtern –, was ihn für komplexe kombinatorische und kontinuierliche Optimierungsprobleme in Ingenieurwesen, Logistik und Operations Research geeignet macht.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Multi-objective Tabu Search (MOTS) — Metaheuristic optimization for multiple conflicting objectives. ScholarGate. https://scholargate.app/de/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)Simulation↔ compare
- Multi-Objective Genetic Algorithm (MOGA)Simulation↔ compare
- Multi-Objective Particle Swarm Optimization (MOPSO)Simulation↔ compare
- Multi-Objective Simulated Annealing (MOSA)Simulation↔ compare
- Tabu SearchOptimierung↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →