組合せ最適化問題は現実社会において多くの応用が存在する問題領域であり、近年では深層学習の技術を利用することで高精度かつ高速な解法を開発しようとする研究が行われている。著者らはこれまでに畳み込みニューラルネットワークを利用して巡回セールスマン問題の解を画像形式で予測する手法を提案しており、その学習には学習用問題例の最適解を用いた教師あり学習を行う。しかし大規模な問題では最適解を短時間で求めることが難しいため、十分な数の教師データを用意できない。そこで本研究では強化学習の仕組みを利用することで教師データを必要としない学習方法を提案し、大規模な問題例に対しても高精度な解法の実現を目指す。