最近读到这篇关于复合移动禁忌搜索（CMTS）的论文，核心思路是通过复合移动操作来扩展禁忌搜索的可行邻域，解决空间选区优化中邻接性约束导致的局部最优问题。从技术角度看，这其实是对传统禁忌搜索中单一移动（如交换、插入）的改进——通过组合多个边界单元的移动，系统性地扩大搜索空间，同时保持邻接性。论文中提到的关键数据是，在多个标准测试集上，CMTS相比经典禁忌搜索，解质量提升约15%-20%，而计算时间仅增加10%以内。

从我个人的落地经验来看，空间优化问题（如设施选址、区域划分）中强制邻接性确实是个大坑。之前用遗传算法做选区划分，邻接性约束直接导致种群多样性下降，常常陷入局部最优。CMTS的思路让我想起之前尝试过的“大邻域搜索”，但CMTS更强调移动的复合性和禁忌表的自适应管理。不过，我有点怀疑这种复合移动是否在更复杂的约束（如多目标优化或动态权重）下仍然保持高效？

抛两个问题：1. 复合移动的规模如何自适应调整，避免搜索退化为随机扰动？2. 在交互式优化场景中，用户偏好的变化是否需要重置禁忌表？

行业层面，这种算法对GIS、物流规划等领域的选区优化很有价值，尤其是结合强化学习动态调整复合移动策略，可能成为下一代空间决策支持系统的核心引擎。