본 논문은 의료, 물류, 제조 등 다양한 분야에서 발생하는 조합 최적화(CO) 문제에 대한 학습 기반 접근 방식을 제안합니다. 기존의 비학습적 근사 알고리즘을 향상시키기 위해, 해당 알고리즘을 매개변수화하고 그래프 신경망(GNN)을 훈련하여 최적에 가까운 해를 생성하는 매개변수 값을 예측하도록 합니다. 근사 알고리즘을 블랙박스로 취급하는 새로운 기울기 추정 기법을 사용하여 자기 지도 방식으로 엔드투엔드 학습을 수행합니다. 이 방법은 학습과 기존 알고리즘의 장점을 결합하여 GNN이 데이터로부터 학습하여 알고리즘을 더 나은 해로 유도하고, 근사 알고리즘은 실행 가능성을 보장합니다. TSP와 최소 k-절단 문제에 대한 실험 결과를 통해 제안된 방법이 최첨단 학습 기반 CO 솔버와 경쟁력이 있음을 보여줍니다.
