干货 | 自适应大邻域搜索(Adaptive Large Neighborhood Search)入门到精通超详细解析-概念篇

01 首先来区分几个概念

关于neighborhood serach，这里有好多种衍生和变种出来的胡里花俏的算法。大家在上网搜索的过程中可能看到什么Large Neighborhood Serach，也可能看到Very Large Scale Neighborhood Search或者今天介绍的Adaptive Large Neighborhood Search。

对于这种名字相近，实则大有不同的概念，很是让小编这样的新手头疼。不过，小编喜欢凡事都要弄得清清楚楚明明白白的。为了防止大家混淆这些相近的概念，今天这里一并介绍了吧。

总体关系可以看下图：

当一个邻域搜索算法搜索的邻域随着搜索的数据规模大小而呈指数增长，或者邻域太大而不能在实际中明确搜索时，我们把这类邻域搜索算法归类为Very Large-Scale Neighborhood Search(VLSN)。

VLSN又可以分为三类：

• Variable-depth methods
• Network-flows based improvement algorithms
• Efficiently solvable special cases

而Large Neighborhood Search(LNS) 则不属于以上三种类型，但是它是属于VLSN这种类型的，因为它搜索的是一个非常大的邻域。

最后呢，是Adaptive Large Neighborhood Search(ALNS)，它是根据Large Neighborhood Search(LNS) 算法扩展和延伸而来（嗯，相当于爸爸和儿子的关系……）。

由于文章篇幅呢，小编这里就不给大家一一介绍了。具体内容可以看文章后面给出的参考文献。下面给大家科普几个必要的概念。

1.0 什么是Neighborhood Search(NS)

邻域搜索算法（或称为局部搜索算法）是一类非常广泛的改进算法，其在每次迭代时通过搜索当前解的“邻域”找到更优的解。 邻域搜索算法设计中的关键是邻域结构的选择，即邻域定义的方式。 根据以往的经验，邻域越大，局部最优解就越好，这样获得的全局最优解就越好。 但是，与此同时，邻域越大，每次迭代搜索邻域所需的时间也越长。 出于这个原因，除非能够以非常有效的方式搜索较大的邻域，否则启发式搜索也得不到很好的效果。

什么又是邻域呢？小编不得不再次带大家回顾一下以前的知识：

官方一点：所谓邻域，简单的说即是给定点附近其它点的集合。在距离空间中，邻域一般被定义为以给定点为圆心的一个圆；而在组合优化问题中，邻域一般定义为由给定转化规则对给定的问题域上每结点进行转化所得到的问题域上结点的集合 （太难懂了 呜呜呜…）。

通俗一点：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。

邻域动作又是什么鬼？没关系，咱们在回顾一