刚读完这篇关于复合移动禁忌搜索的论文，感触颇深。空间选区优化中邻接性约束一直是老难题——传统整数规划强制邻接时可行域急剧收缩，启发式搜索也容易陷入局部最优。论文提出的复合移动策略，通过扩展边界单元的可行邻域，在保持邻接前提下系统性拓宽搜索空间，这个思路很务实。

我个人在做土地分区规划项目时，曾用遗传算法跑选区优化，结果频繁卡在琐碎碎片状解上，调试邻接惩罚权重调了三天才勉强可用。相比之下，禁忌搜索框架引入复合移动，相当于给搜索加了‘方向性’：每次移动不只是单个单元，而是边界单元的关联重组。这种设计在工程中可能显著减少无效迭代，尤其适合多目标交互优化的场景。

不过有几个疑问：复合移动的复杂度增长是否可控？论文中对大规模数据（比如百万级单元）的性能有实测吗？另外，交互式优化中用户偏好变化快，算法能否实时响应？

从行业看，这类算法对GIS、无人机路径规划、甚至芯片设计中的区域划分都有潜在价值。如果复合移动能结合自适应参数调整，或许能推动选区优化从离线走向实时应用。期待更多开源实现和工程基准测试。