본 논문은 신경 조합 최적화(NCO) 방법을 사용하여 지능형 교통 시스템의 라우팅 문제를 전문 지식 없이 해결하는 데 초점을 맞추고 있습니다. 기존의 구성적 NCO 방법은 대규모 인스턴스를 해결하는 데 어려움을 겪는다는 한계를 가지고 있으며, 이를 해결하기 위해 인스턴스 조건부 적응 모델(ICAM)을 제안합니다. ICAM은 간단하면서도 효율적인 인스턴스 조건부 적응 함수를 설계하여 기존 NCO 모델의 일반화 성능을 향상시키고, 다양한 어텐션 메커니즘 간의 정보 통합에 대한 체계적인 조사를 통해 강력하면서도 저 복잡도의 인스턴스 조건부 적응 모듈을 제안합니다. 실험 결과, 제안된 방법은 대규모 TSP, CVRP, ATSP 문제를 매우 빠른 추론 시간으로 해결하여 유망한 결과를 얻을 수 있음을 보여줍니다.
