这篇关于复合移动禁忌搜索的摘要点出了一个核心痛点：邻接性约束在选区优化中如何限制了搜索空间并导致局部最优。其提出的‘复合移动’策略，通过在禁忌搜索框架内系统性地扩展边界单元的可行邻域，试图在保持解结构完整性的同时增加探索能力。从技术角度看，这本质上是将局部搜索的移动算子从单一元素替换升级为原子操作的组合，类似于在组合优化中引入‘宏动作’（macro-actions）。这种思路在路径规划或调度问题中已有类似应用（如LNS的破坏与修复），但将其适配到空间邻接性约束下，确实有创新性。
从个人经验看，许多启发式算法在处理邻接性时要么牺牲解质量（如贪心聚合），要么陷入低效迭代（如随机重启）。复合移动的潜在优势在于，它可能通过‘边界单元’的局部重组，在保持邻域连通性的同时避免邻接性被强制切断。不过，我怀疑其计算成本：每次‘复合移动’需要评估多个单元组合的可行性，若邻域规模指数级增长，实际收敛速度可能并不理想。
讨论点：1）复合移动策略与传统的‘两阶段法’（先解耦约束再修复）相比，在求解质量与时间权衡上是否有显著优势？2）该方法是否适用于更高阶的拓扑约束（如空间连续性+面积均衡）？
从行业视野看，这一工作可能推动交互式空间决策支持系统的发展——例如在区域规划或生态保护中，用户需要快速调整选区边界。但若扩展至大规模问题（如省级选区划分），算法的并行化或分解策略仍是瓶颈。