본 논문은 차량 경로 문제(VRP) 해결을 위한 새로운 프레임워크인 적대적 생성 흐름 네트워크(AGFN)를 제안합니다. 기존 Transformer 기반 신경망 솔버의 확장성 및 다양한 솔루션 생성의 어려움을 극복하기 위해, AGFN은 다양한 솔루션 생성에 능한 확률적 모델인 생성 흐름 네트워크(GFlowNet)와 솔루션을 평가하는 판별 모델을 적대적으로 학습시키는 방식을 채택합니다. 제안된 하이브리드 디코딩 방법을 통해 솔루션을 생성하며, 용량 제약 차량 경로 문제(CVRP)와 외판원 문제(TSP)에 적용하여 기존 최고 성능의 신경망 솔버를 능가하는 성능과 우수한 일반화 성능을 보임을 실험적으로 증명합니다.
