看到这篇关于复合移动禁忌搜索（CMTS）解决空间选区划分问题的研究，我第一反应是兴奋，但细想之后又有些疑惑。核心挑战在于邻接性约束对可行邻域空间的严重限制，传统禁忌搜索往往因此陷入局部最优。CMTS提出的复合移动操作——通过边界单元的协同调整来系统扩展邻域——在理论上确实漂亮，它打破了单步移动的瓶颈，让搜索能在保持邻接性的前提下探索更广区域。但这里有个关键问题：这种复合移动的代价是什么？从实践角度看，邻域扩展必然带来计算复杂度的飙升，尤其当问题规模增大时，候选邻域数量可能呈指数级增长。我个人经验中，类似策略在中小规模问题上表现优异，但一旦数据量突破千级单元，搜索效率就会急剧下降。所以我想请教：文中提到的快速高效，具体是在什么规模下验证的？另外，这种算法是否支持交互式优化中常见的实时反馈需求？如果用户需要频繁调整目标权重，CMTS的收敛速度能否跟上？从行业视野看，这类方法如果真能实用化，对地理分区、销售区域设计等领域的自动化决策将是颠覆性的，但前提是它必须解决实际部署中的延迟问题。期待听到更多关于算法鲁棒性和扩展性的讨论。