最近读到这篇关于复合移动禁忌搜索用于选区优化的文章，核心挑战在于邻接性约束对搜索空间的严重限制。作者提出通过复合移动操作（如边界单元交换与区域融合）在保持邻接性的同时系统性扩展可行邻域，这让我联想到之前做区域划分项目时，普通禁忌搜索常因邻域过窄陷入局部最优，甚至需要手动调整约束松弛度。

从技术角度看，复合移动的关键在于将单一单元交换升级为多单元协同重组，理论上能大幅增加邻域多样性。但实际效果取决于两个因素：一是复合移动的生成策略是否覆盖足够多的合法拓扑变体；二是禁忌列表长度与复合移动频率的平衡，否则可能因搜索过于发散而牺牲收敛速度。个人经验中，类似的分层搜索策略在空间聚类问题上曾带来15%以上的解质量提升，但计算时间增加了近3倍。

我的疑问是：文中是否对比了复合移动与经典2-opt或Or-opt操作的性能差异？另外，在交互式优化场景下，复合移动的实时响应能力是否经过验证？对于行业趋势，这类算法可能推动GIS与运筹学的进一步融合，尤其在智能城市规划或选举区划中。欢迎有实战经验的朋友分享复合移动的编码复杂度或收敛性改进技巧。