Multi-objective Tabu Search (MOTS) — Metaheuristiek voor Pareto-optimale oplossingen
Multi-objective Tabu Search (MOTS) is een metaheuristisch algoritme dat het klassieke Tabu Search-raamwerk uitbreidt om twee of meer conflicterende doelstellingsfuncties gelijktijdig te optimaliseren. In plaats van één enkel optimum, tracht het de Pareto-front te benaderen — de verzameling oplossingen waarbij geen enkele doelstelling kan worden verbeterd zonder een andere te verslechteren — waardoor het geschikt is voor complexe combinatorische en continue optimalisatieproblemen in engineering, logistiek en operations research.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Multi-objective Tabu Search (MOTS) — Metaheuristic optimization for multiple conflicting objectives. ScholarGate. https://scholargate.app/nl/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)Simulatie↔ compare
- Multi-Objective Genetic Algorithm (MOGA)Simulatie↔ compare
- Multi-Objective Particle Swarm Optimization (MOPSO)Simulatie↔ compare
- Multi-Objective Simulated Annealing (MOSA)Simulatie↔ compare
- Tabu SearchOptimalisatie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →