본 논문은 심층 강화 학습을 이용하여 진화 알고리즘을 위한 휴리스틱을 제공하는 그래프 신경망을 훈련시켜 공공 교통 노선망 계획 문제를 해결하는 방법을 제시한다. 기존의 메타휴리스틱 알고리즘에서 사용되는 휴리스틱을 대신하여, 훈련된 그래프 신경망 기반 휴리스틱을 적용함으로써 70개 이상의 노드를 가진 합성 도시 벤치마크에서 기존 최고 성능을 뛰어넘는 결과를 얻었으며, Mumford 벤치마크에서도 새로운 최고 성능을 달성했다. 또한 캐나다 Laval 시의 실제 교통 네트워크 시뮬레이션에서 두 가지 주요 지표에 대해 각각 52%와 25%의 성능 향상을 달성하였고, 기존 네트워크 대비 최대 19%의 비용 절감 효과를 보였다.
