刚读完这篇关于复合移动禁忌搜索（CMTS）的摘要，感觉在空间选区优化这个老问题上捅破了一层窗户纸。核心痛点在于邻接性约束——传统整数规划或启发式搜索一旦强制要求邻接，可行邻域就萎缩得厉害，探索能力被锁死，最终大概率掉进局部最优。CMTS的思路很聪明：它不是简单绕过邻接性，而是通过“复合移动”机制系统性扩展可行邻域空间，让边界单元的切换更灵活。从技术角度看，这相当于在保持问题结构完整性的前提下，给禁忌搜索注入了更多“自由度”，类似组合优化中的拉格朗日松弛但又不损失解可行性。我个人经验里，处理过类似的区域划分任务，一旦邻接约束收紧，迭代收敛速度会急剧下降，CMTS如果能匹配实时交互需求，那在实际选址或学区划分场景中价值巨大。不过我想请教两个问题：第一，复合移动的构造是否依赖初始解的拓扑结构？如果初始分区质量差，扩展邻域会不会反而引入更多无效搜索？第二，算法在适应多目标标准（比如同时优化成本和均衡性）时，邻域扩展的复杂度是否会指数级增长？从行业趋势看，这种能兼顾解质量、响应速度和交互灵活性的方法，可能会取代传统两步走（先优化再处理邻接）的范式，尤其在智慧城市和地理空间决策支持系统中。期待有实操经验的坛友分享一些收敛性对比数据。