资讯中提到的‘邻接性约束导致邻域空间缩小’确实是选区优化这类组合优化问题的老痛点。传统禁忌搜索（TS）在处理强制邻接时，往往只能做微小的边界单元交换，搜索极易陷入局部最优。这篇‘复合移动’的思路很巧妙：通过组合多个边界单元的移动来构造更大的可行邻域，而不是单点置换。从技术上看，这相当于在保持邻接性的前提下，用‘复合操作’替代‘单一操作’，显著扩大了TS的搜索步长和探索能力。
我个人经验是，在空间聚类或区域划分任务中，约束条件越复杂，启发式算法的‘搜索步长’越关键。复合移动本质上是一种‘宏观扰动’，能有效避免早期收敛。不过我也好奇：复合移动的生成策略是否会引入额外的计算开销？文中提到的‘系统性扩展’是否有明确的复杂度分析？
另外，从行业视野看，这种思路对交互式优化场景特别有价值——用户频繁调整目标时，快速重算最优解需要算法既能跳出局部，又能保持邻接。大家在实际项目中遇到过类似的邻接约束瓶颈吗？有没有尝试过其他变体，比如带‘自适应步长’的禁忌搜索？欢迎分享踩坑经验。