看到这个研究，我第一反应是兴奋——空间选区划分的邻接性约束一直是个‘硬骨头’，传统整数规划或启发式搜索为了强制邻接性，往往牺牲了邻域探索的广度，导致算法早早陷入局部最优。这篇提出的复合移动禁忌搜索，核心思路是‘在保持邻接性的前提下系统性扩展可行邻域空间’，听起来像是给禁忌搜索的邻域定义做了‘手术’。
我好奇的是：所谓的‘复合移动’具体是指哪些操作组合？比如是否融合了交换、插入或边界单元的多种移动策略？从摘要看，当边界单元被选定时，算法可能通过某种‘跳跃’机制来突破局部陷阱，但这是否会引入新的约束冲突？根据我个人经验，在类似的地理分区问题中，邻接性一旦被破坏，修复成本往往很高，甚至需要回溯。
另一个让我纠结的点是：这种扩展后的邻域搜索，计算复杂度会不会指数级增长？毕竟‘系统性地扩展’通常意味着更大的搜索空间。如果实际应用中响应速度要求很高（比如交互式优化），这种算法是否还能保持‘快速高效’的承诺？
从行业视野看，如果该方法能推广到其他组合优化问题（如设施选址、图像分割），可能打破‘邻接性=低效’的刻板印象。但关键在于：这种复合移动的设计是否具备通用性，还是高度依赖问题结构？期待作者分享更多关于邻域策略的细节，以及与传统禁忌搜索的对比数据。