選區劃分（Redistricting）是一個具有實際意義的組合最佳化問題。它不僅要產生高質量的方案，還需要快速的計算速度，同時能夠靈活地適應多準則目標（如人口平等、地理緊湊性、政治公平性等）以及互動式的細化調整。然而，該問題面臨一個核心挑戰——連通性約束（contiguity constraint）。在整數規劃或啟發式搜尋中，強制要求每個選區在地理上連通會嚴重限制可行的鄰域搜尋空間，削弱演算法的探索能力，並且容易使搜尋陷入較差的區域性最優解。
為了解決這一問題，Hai Jin 和 Diansheng Guo 在2026年4月提交至arXiv的論文中提出了一種名為複合移動禁忌搜尋（Composite-Move Tabu Search, CM-Tabu）的新方法。該方法在保持連通性的前提下，系統地擴充套件了禁忌搜尋的可行鄰域空間。CM-Tabu的核心創新在於：當一個邊界單元無法單獨重新分配給相鄰選區而不導致原選區失去連通性時，演算法會識別出能夠一同移動的最小單元集合，或者可以交換的一對單元（或集合），以此作為保持連通性的複合移動。這些候選移動（包括單單元移動和複合移動）透過對每個選區的連通性圖進行分析，利用圖論中的割點（articulation points）和雙連通分量（biconnected components）線上性時間內生成。這種機制顯著擴大了搜尋過程中可行的鄰域，避免了傳統方法因連通性約束而導致的搜尋停滯。
研究團隊透過大量實驗驗證了CM-Tabu的效能。與傳統的禁忌搜尋以及其他基線方法相比，CM-Tabu在解決方案質量、多次執行之間的穩健性以及計算效率方面均取得了顯著提升。特別地，在費城（Philadelphia）案例中，該方法能夠一致性地達到人口平等（population equality）的理論全域性最優解，並且支援人口平等、緊湊性、政治公平性等多準則之間的權衡。這些結果表明，CM-Tabu提供的最佳化效能能夠很好地應用於實際決策支援工作流。
該研究不僅為選區劃分提供了高效的演算法工具，也為其他受連通性約束的空間最佳化問題（如設施選址、區域規劃等）提供了通用的解決思路。論文提交至arXiv，並收錄於人工智慧（cs.AI）與計算機和社會（cs.CY）分類下。論文的DOI為10.48550/arXiv.2605.06682，提交日期為2026年4月24日。