본 논문은 웹 관련 네트워크에서 효율적인 데이터 전송 및 콘텐츠 전달을 위한 최적 경로 탐색 문제, 즉 그래프 라우팅 문제를 다룬다. 특히, TSP (Traveling Salesman Problem)와 CVRP (Capacitated Vehicle Routing Problem)과 같은 고전적인 그래프 최적화 문제를 해결하기 위해, ResNet 기반 시각 인코딩과 Transformer 기반 순차 모델링을 활용하는 새로운 Vision-augmented Asymmetric Group Preference Optimization (VAGPO) 접근 방식을 제안한다. VAGPO는 공간 구조와 시간 의존성을 모두 캡처하며, 비대칭 그룹 선호도 최적화 전략을 통해 수렴 속도를 향상시킨다. TSP 및 CVRP의 합성 데이터, 실제 데이터에 대한 실험 결과는 VAGPO가 경쟁력 있는 솔루션 품질을 달성함을 보여준다. 또한, 재학습 없이 더 큰 규모의 문제(최대 1000개 노드)로의 일반화 능력을 보여준다.
