연구진은 불확실한 매개변수를 가진 조합 최적화 문제를 다중 출력 회귀 문제로 재구성했어요. 비용 민감성을 고려하여 과소 및 과대 예측에 비대칭적으로 페널티를 부여하는 손실 함수를 제안했어요. 제안 방식은 기존 방식보다 계산 비용을 줄여 더 큰 규모의 문제에 적용할 수 있도록 해요.
기존 의사 결정 중심 학습(DFL) 방식은 훈련 과정에서 조합 최적화 문제를 반복적으로 풀어 계산 비용이 높았어요. 새로운 방식은 훈련 데이터 인스턴스당 0~1번의 해결만 필요로 하여 훈련 효율성을 크게 향상시켰어요.
실험 결과, 제안하는 손실 함수 조합은 기존 방식과 유사한 성능을 보이면서도 더 효율적으로 작동하여 기존 DFL 방식으로는 해결하기 어려웠던 문제 규모에 적용 가능성을 보여줬어요.