本研究では、アナログ集積回路のレイアウトにおけるフロアプランニング手法に、機械学習を活用したルーティング意識を向上させる方法を提案しています。特に、フロアプラン生成をルーティングしやすい結果に導くことを目的に、強化学習と関係性グラフ畳み込みニューラルネットワークを用いた自動フロアプランニングエンジンを開発しました。この手法は、グリッド解像度の向上、ピン情報の統合、動的なルーティングリソース推定を組み合わせることで、ルーティング効率と面積効率を両立させています。シミュレーション環境においては、従来の学習ベースの手法に比べて、デッドスペースを13.8%、ワイヤ長を40.6%削減し、ルーティング成功率を73.4%向上させることが確認されました。