본 논문은 다중 목표를 가진 다중 그래프 상에서의 라우팅 문제를 해결하기 위해 두 가지 그래프 신경망 기반 방법을 제안합니다. 첫 번째 방법은 다중 그래프에서 자동 회귀적으로 에지를 선택하여 경로를 완성합니다. 두 번째 방법은 더욱 확장성이 높은 방법으로, 학습된 가지치기 전략을 통해 다중 그래프를 단순화한 후, 단순화된 그래프에서 자동 회귀적 라우팅을 수행합니다. 다양한 문제와 그래프 분포에 걸쳐 실험적으로 두 모델을 평가하여 강력한 휴리스틱 및 신경망 기반 기준 모델과 비교하여 경쟁력 있는 성능을 보여줍니다. 기존의 단일 목표 또는 다중 목표 라우팅 방법들이 다중 그래프에 적용되지 못하는 한계를 극복하고자 합니다.
