Este trabalho apresenta uma abordagem populacional para o algoritmo de Busca em Vizinhança Variável, denominado PRVNS. A principal contribuição do algoritmo proposto, além de evoluir uma população de indivíduos, é que cada indivíduo adapta suas variações de vizinhança de maneira autônoma. Este controle autônomo de vizinhança permite aos indivíduos intensificar ou diversificar a busca por regiões promissoras no espaço de soluções durante o processo de otimização. Cada indivíduo adapta seu comportamento de acordo com a região em que se encontra no espaç de soluções. Este trabalho tem como foco de aplicação problemas de otimização com domínio contínuo. Foram utilizadas várias funções benchmark com alta dimensionalidade (D = 250). Resultados foram obtidos e comparados com a abordagem não-populacional do VNS e com o algoritmo populacional de Evolução Diferencial. Resultados sugerem que a abordagem proposta é uma alternativa promissora e competitiva para otimização contínua.