最近看到这篇关于复合移动禁忌搜索（CMTS）的研究，核心解决的是空间选区优化中的邻接性约束问题。传统禁忌搜索在强制邻接性时，可行邻域空间被严重压缩，容易陷入局部最优，而CMTS通过复合移动操作（如边界单元的系统性扩展）显著提升了搜索的探索能力。从数据上看，这种方法在保持解质量的同时，将响应速度提升了至少一个量级，这对于需要交互式优化的场景（如实时选区调整）意义重大。

个人经验：之前做GIS相关的资源分配项目，我试过纯整数规划加邻接约束，结果求解时间随问题规模指数级增长，最后不得不改用贪心启发式，但解的质量波动很大。CMTS的思路启发了我——与其硬约束邻接性，不如在搜索过程中动态扩展可行域。我后来在类似问题中引入了一种变体的禁忌搜索，虽然没完全复现论文效果，但收敛速度确实提升了不少。

想问两个问题：一是复合移动的具体操作如何平衡局部搜索和全局探索？比如边界单元的选择策略是否对初始解敏感？二是这种方法在超大规模问题（如百万级单元）上的扩展性如何？有没有考虑并行化？

从行业看，CMTS这类算法可能推动空间优化从离线批处理转向实时决策，尤其在智慧城市、物流路径规划领域。但工程落地时，参数调优和问题建模的复杂度仍是瓶颈，未来需要更自动化的调参工具。