本文探讨了在网络相关网络中寻找高效数据传输和内容交付的最佳路径的问题，即图路由问题。具体而言，我们提出了一种新颖的视觉增强非对称群体偏好优化 (VAGPO) 方法，该方法利用基于 ResNet 的视觉编码和基于 Transformer 的序列建模来解决经典的图优化问题，例如旅行商问题 (TSP) 和容量受限车辆路径问题 (CVRP)。VAGPO 能够捕捉空间结构和时间依赖性，并通过非对称群体偏好优化策略加速收敛。基于 TSP 和 CVRP 的合成数据和真实数据的实验结果表明，VAGPO 实现了具有竞争力的解决方案质量。此外，它还展示了其对更大规模问题（最多 1,000 个节点）的泛化能力，无需重新训练。
