본 논문은 차량 경로 문제(VRP) 해결을 위해 그래프 기반 신경망과 멀티 모달 어텐션 메커니즘을 활용하는 GAMA(Graph-aware Multi-modal Attention)라는 새로운 신경망 기반 인접 탐색 방법을 제안합니다. GAMA는 문제 인스턴스와 진화하는 해를 그래프 신경망을 사용하여 별개의 모달리티로 인코딩하고, 자체 및 교차 어텐션 레이어를 통해 모달리티 간 상호 작용을 모델링합니다. 게이티드 퓨전 메커니즘은 멀티 모달 표현을 구조화된 상태로 통합하여 정책이 정보에 입각한 연산자 선택 결정을 내릴 수 있도록 합니다. 다양한 실험 결과, GAMA가 기존 신경망 기반 기법보다 우수한 성능을 보이며, 멀티 모달 어텐션과 게이티드 퓨전 디자인이 성능 향상에 중요한 역할을 한다는 것을 확인했습니다.
