연구진이 순회 판매원 문제 해결을 위한 새로운 그래프 신경망 프레임워크 AGDN을 개발했어요. 기존 방법의 한계를 극복하기 위해 노드 유사성과 거리를 결합한 MixScore 전환 행렬을 사용하고, 다중 홉 정보 교환을 지원하는 이방성 그래프 확산 전략을 적용했어요. 다양한 규모와 분포의 데이터셋에서 기존 방법보다 성능이 뛰어나고, 학습 데이터 범위를 벗어난 문제에도 잘 일반화돼요.
AGDN은 완전 연결 TSP 그래프의 정보 부족과 그래프 희소화 과정에서 연결 노드를 잃는 문제를 해결하기 위해 설계됐어요. GitHub에서 구현체를 공개하며, 누구나 활용 가능해요.
실험 결과, AGDN은 기존 방법보다 일관되게 우수한 성능을 보였으며, 계산 시간도 경쟁력 있는 수준을 유지했어요.