การค้นหาบริเวณใกล้เคียงแปรผัน
Variable Neighborhood Search (VNS) เป็นกรอบการหาค่าเหมาะที่สุดแบบอภิวิธี (metaheuristic optimization framework) ที่นำเสนอโดย Mladenović และ Hansen ในปี 1997 วิธีการนี้หลุดพ้นจากค่าเหมาะสมที่สุดเฉพาะที่ (local optima) โดยการสลับโครงสร้างเพื่อนบ้าน (neighborhood structures) ที่กำหนดไว้ล่วงหน้าอย่างเป็นระบบ — เริ่มจากการรบกวน (perturbing) คำตอบปัจจุบัน (shaking) เพื่อไปยังบริเวณอื่นของปริภูมิการค้นหา (search space) จากนั้นจึงใช้การค้นหาเฉพาะที่ (local search) ในบริเวณนั้น และสุดท้ายจึงยอมรับคำตอบใหม่ก็ต่อเมื่อมันปรับปรุงคำตอบที่ดีที่สุดที่มีอยู่ (incumbent) วิธีการนี้มีความยืดหยุ่นเพียงพอที่จะจัดการกับปัญหาการจัดหมู่ (combinatorial problems) (เช่น ปัญหาการจัดเส้นทาง (routing), การจัดตารางเวลา (scheduling), ปัญหาเกี่ยวกับกราฟ (graph problems)) รวมถึงการหาค่าเหมาะที่สุดแบบต่อเนื่อง (continuous optimization) ทำให้เป็นหนึ่งในอภิวิธีที่ใช้โครงสร้างเพื่อนบ้านมากที่สุดในสาขาการวิจัยดำเนินงาน (operations research)
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Mladenović, N. & Hansen, P. (1997). Variable Neighborhood Search. Computers & Operations Research, 24(11), 1097–1100. DOI: 10.1016/S0305-0548(97)00031-2 ↗
- Hansen, P., Mladenović, N., Brimberg, J. & Pérez, J.A.M. (2019). Variable Neighborhood Search: Basics and Variants. EURO Journal on Computational Optimization, 7(1), 3–56. DOI: 10.1007/978-3-319-91086-4_3 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Variable Neighborhood Search (VNS). ScholarGate. https://scholargate.app/th/optimization/variable-neighborhood-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.
- Genetic Algorithmการหาค่าเหมาะที่สุด↔ compare
- Harmony Searchการหาค่าเหมาะที่สุด↔ compare
- Simulated Annealingการหาค่าเหมาะที่สุด↔ compare
- Tabu Searchการหาค่าเหมาะที่สุด↔ compare