キャパシタブルなロケーションルーティング問題（CLRP）は、位置決定とルーティングの意思決定を同時に行う必要がある組合せ最適化の古典的な問題であり、その複雑な制約と複数の決定間の関係が解決を困難にしています。本論文では、深層強化学習（DRL）を用いた新しいアプローチを提案しています。特に、エンコーダー-デコーダー構造に基づいたエンドツーエンド学習手法を採用し、CLRPおよびオープンCLRP（OCLRP）を解決します。また、位置とルーティングの意思決定の相互依存性を扱うために、様々な意思決定ステージに動的に適応する異質なクエリ注意メカニズムを導入しています。実験により、提案手法は従来の手法やDRLに基づくベースラインに対して、優れた解の品質と一般化性能を示しました。