TESO 禁忌增强仿真优化：针对噪声黑盒问题

这篇文章可能介绍了一种新的优化算法，TESO，旨在解决目标函数未知（黑盒）且数据有噪声的复杂优化问题。 “Tabu”的使用表明这是一种元启发式方法，可能结合了避免陷入局部最优的技术。 专注于仿真优化意味着该算法适用于涉及仿真的场景，这些场景通常计算量大且容易受到噪声的影响。 ArXiv 来源表明这是一篇研究论文。

• •TESO 是一种新的优化算法。
• •它专为有噪声的黑盒问题而设计。
• •它可能使用禁忌搜索元启发式方法。
• •它适用于仿真优化。