1、背景

本篇论文基于Transformer模型提出了一个基于注意力层的模型，并采用REINFORCE方法训练模型，来求解以下几种组合优化问题：
旅行商问题(Travelling Salesman Problem, TSP)
车辆路径问题(Vehicle Routing Problem, VRP)
定向问题(Orienteering Problem, OP)
奖金收集旅行商问题(Prize Collecting TSP, PCTSP)

2、基于注意力层的模型

整个文章的大致思路是：把所有点依次输入编码器，然后解码器输出解序列。这里根据TSP问题定义，对于其他问题模型是相同的，但需要相应的修改输入、mask和Decoder的context
模型定义为随机策略p ( π ∣ s )在给定实例s下选择一个解π 。参数化为θ：

#3、编码器

编码器首先通过线性映射，然后使用N层注意力层更新嵌入。每一层由两个子层组成，分别是多头注意力层(MHA)和全连接前馈层(FF)，对于每个子层，还添加跳跃链接(skip-connection)和批量归一化层(BN)。最后计算图嵌入。

4、解码器

上下文节点c：解码器在t时刻的上下文有两个源头，一是编码器，二是直到t时刻的输出。每一个TSP问题，由三个部分组成：图嵌入, 初始点、终点(t=1,使用可学习占位符)。