비대칭 경로 탐색 문제를 다루는 신경망 모델에서 표현 단계와 결정 단계 사이의 구조적 불일치를 해소하는 디코더 설계 원칙이 제안됐다. 연구팀은 arXiv 논문을 통해 비대칭 순회 판매원 문제(ATSP)와 비대칭 차량 경로 문제(ACVRP)에 적용 가능한 에지 인식 디코더를 소개했다. 제안된 디코더는 ATSP-1000에서 기존 RADAR 기준점 대비 갭을 4.13%에서 2.73%로 줄이는 성능을 보였다.
기존 신경망 비대칭 라우팅 모델은 방향성을 행렬 표현과 비대칭 인식 어텐션을 통해 인코딩하지만, 최종 경로 결정은 고립된 노드가 아니라 현재 부분 경로 상에서 선택하는 유향 전이(directed transition)다. 이 간극이 핵심 문제다. 쌍별 비용 정보가 인코더 상류에서 처리되는 반면 최종 후보 점수는 컨텍스트-노드 호환성으로 주로 구성돼, 실제 결정에 필요한 전이 수준 정보가 디코더에 충분히 전달되지 않는다. 연구팀은 이를 ‘표현-결정 불일치’로 명명하고 해결 원칙으로서 디코더가 문제의 비용-투-고(cost-to-go) 구조가 제안하는 전이 수준 수량을 명시적으로 반영해야 한다고 주장했다.
제안된 에지 인식 디코더는 현재 유향 에지, 시작점으로의 복귀 클로저, 정적 경량 룩어헤드에 대한 후보별 항을 추가하는 방식으로 기존 표현 백본을 그대로 유지한다. 통제된 SVD/싱크혼 비대칭 백본 위에서 디코더는 ATSP-100으로 훈련 후 ATSP-100/200/500/1000에 제로샷 평가했을 때 RADAR 기준점을 능가했다. 같은 점수 수준 수정이 ACVRP에서도 동일한 성능 향상 추세를 보였으며, 에블레이션 실험은 현재 유향 에지 민감도가 가장 강한 개선 신호임을 확인했다.
신경망 결합 최적화는 물류, 네트워크 설계, 자율 이동체 경로 계획 등 실세계 응용에서 광범위하게 연구되고 있다. 비대칭 문제는 도시 간 거리가 방향에 따라 달라지는 실제 도로망이나 단방향 네트워크를 모델링할 때 필수적으로 등장한다. 이번 연구는 기존 인코더 구조를 변경하지 않고 디코더 수준의 경량 수정만으로 성능 개선이 가능함을 보여줬으며, 신경망 라우팅 연구에서 디코더 설계가 중요한 독립 변수임을 재조명했다.
