变邻域搜索算法(Variable Neighborhood Search，VNS)

目录

1.局部搜索算法的共性

2.变邻域搜索算法VNS

2.1 VND关键点

2.1.1 变邻域Variable Neighborhood Descent (VND)

2.1.2 扰动操作shaking procedure

2.2 VNS过程伪代码

---

变邻域搜索算法是对局部搜索算法的一种改进，是一种改进型的局部搜索算法。和自适应大邻域搜索属于不同的体系，但属于邻域的大家族。

变邻域搜索算法的主要思想是：采用多个不同的邻域进行系统搜索。首先采用最小的邻域搜索，当无法改进解时，则切换到稍大一点的邻域。如果能继续改进解，则退回到最小的邻域，否则继续切换到更大的邻域。

1.局部搜索算法的共性

局部搜索算法的统一框架描述为：

（1） 算法从一个或若干个初始解出发。

（2）在算法参数控制下由当前状态的邻域中产生若干个候选解。

（3）以某种策略在候选解中确定新的当前解。

（4）伴随控制参数的调节，重复执行上述搜索过程，直至满足算法终止条件。

（5）结束搜索过程并输出优化结果。

局部搜索涉及到的要素：1) 目标函数：用来判断解的优劣。2) 邻域的定义：根据不同问题，有着不同的邻域定义。3) 初始解的产生方法。4) 新解的产生和接受规则。5) 算法终止条件。

其中前两个要素的定义和算法要解决的特定问题有关，而且不同的人对同一问题可能有完全不同的定义。后三个要素定义的不同则会产生各种不同的局部搜索算法，它们的效率和最终解的质量也会有很大的差异。比如初始解可以多起点生成，差解是否接受可以用模拟退火等等。

2.变邻域搜索算法VNS

变邻域搜索算法（VNS）就是一种改进型的局部搜索算法。它利用不同的动作构成的邻域结构进行交替搜索，在集中性和疏散性之间达到很好的平衡。其思想可以概括为“变则通”。

变邻域搜索算法依赖于以下事实：

1) 一个邻域结构的局部最优解不一定是另一个邻域结构的局部最优解。

2) 全局最优解是所有可能邻域的局部最优解。

变邻域搜索算法主要由以下两个部分组成：

1) VARIABLE NEIGHBORHOOD DESCENT (VND)

2) SHAKING PROCEDURE——随机扰动

邻域就是指对当前解进行一个操作(这个操作可以称之为邻域动作)可以得到的所有解的集合。那么不同邻域的本质区别就在于邻域动作的不同了。

2.1 VND关键点

2.1.1 变邻域Variable Neighborhood Descent (VND)

VND其实就是一个算法框架，它的过程描述如下：

1) 给定初始解S； 定义m个邻域，记为N_k(k = 1, 2, 3......m)；i = 1。

2) 使用邻域结构N_i（即 N_i(S)）进行搜索，如果在N_i(S)里找到一个比S更优的解S′，则令S=S′, i=1 。

3) 如果搜遍邻域结构N_i仍找不到比S更优的解，则令i++。

4) 如果i≤m ,转步骤2。

5) 输出最优解S

VND的图解如下：

1) 当在本邻域搜索找不出一个比当前解更优的解的时候，我们就跳到下一个邻域继续进行搜索。如图中虚黑线所示。

2) 当在本邻域搜索找到了一个比当前解更优的解的时候，我们就跳回第一个邻域重新开始搜索。如图中红线所示。

之前我们把局部搜索比作爬山的过程，那么每变换一次邻域，也可以理解为切换了搜索的地形（landscape）。效果如下 ：

每一次跳跃，得到都是一个新的世界……

2.1.2 扰动操作shaking procedure

说白了就是一个扰动算子，类似于邻域动作的这么一个东西。

通过这个算子，可以产生不同的邻居解。虽然名词很多看起来很高大上，扰动、抖动、邻域动作这几个本质上还是没有什么区别的。都是通过一定的规则，将一个解变换到另一个解而已。

2.2 VNS过程伪代码

在综合了前面这么多的知识以后，VNS的过程其实非常简单, 直接看伪代码，一目了然：

做点说明吧。伪代码中N_k和N_l代表的邻域集合，分别是给Shaking和VND使用的，这两点希望大家要格外注意，区分开来哈。这两个邻域集合可以是一样的，也可以不一样。