局所的拡張選好と表現の分離による、問題間車両巡回問題の改善

多様な経路問題（VRP）に対応する単一モデルを学習するため、局所的増強選好と表現分離を導入。強化学習における報酬スケールの不一致や、選好最適化の停滞といった課題を改善し、クロス問題VRPの性能向上を目指す。

• 複数タスクの車両巡回問題（VRP）を単一モデルで解くための手法を提案している。
• 従来の強化学習や選好最適化手法では、訓練が進むと学習信号が弱まる問題があった。
• 提案手法POLARは、生成された解に局所探索を適用してからペアを形成し、より情報量の多い学習を行う。
• 提案エンコーダPLEは、タスク依存の表現を段階的に分離し、汎化性能を向上させる。
• 実験により、提案手法が状態（in-distribution）および未知（out-of-distribution）のVRPバリアントでSOTAを達成した。