一种用于自动化集装箱码头 AGV 调度的混合 GNN-Transformer 架构

《Computers & Industrial Engineering》：A hybrid GNN-Transformer architecture for AGV scheduling in Automated Container Terminals

　　

摘要 自动导引车（AGV）的任务排序优化对于自动化集装箱码头（ACT）的运行效率至关重要。由于码头路网的复杂空间约束和任务之间的时间依赖性，这是一个典型的 NP 难组合优化挑战。尽管深度强化学习（DRL）已应用于该领域，但现有模型通常将码头布局视为非结构化坐标数据，导致拓扑表示薄弱且时空特征融合不足。针对这些局限性，本文提出了一种基于混合图神经网络（GNN）和 Transformer 架构的端到端智能调度方法。该方法使用 GNN 显式编码路网拓扑，并通过 Transformer 捕获任务依赖性，从而建立从系统状态到 AGV 任务序列的直接映射。岸边起重机（QC）和场桥（YC）被视为运行环境的一部分，其影响通过固定服务时间和资源排他性约束来捕捉。模型使用 POMO-REINFORCE 算法进行训练，并结合分层混合采样（HHS）推理策略。在 1000 个实例（50 个任务，AGV 车队规模为 5、8 和 12）上的实验表明，该方法每个实例的平均推理时间为 0.29–0.31 秒，比元启发式基线（GA, C-PSO, ALNS）快两个数量级以上。它在 5-AGV 和 12-AGV 规模下均取得了最低完成时间，并在 8-AGV 规模下与 ALNS 保持竞争力，空驶率降低最多达 4.44 个百分点。这些结果证实了该方法在自动化集装箱码头实时 AGV 调度中的实际适用性。然而，当前研究仅限于具有固定旅行时间的半静态环境，未考虑实时拥堵、路径冲突或设备故障；在更动态和不确定的条件下仍需进一步验证。

引言 集装箱码头是全球供应链的关键节点，支撑着大部分国际贸易和货物运输。码头内的运营焦点越来越集中在内部资源的智能协调与调度上，如岸边起重机（QC）、自动导引车（AGV）和场桥（YC）（Bierwirth & Meisel, 2010）。在这一链条中，AGV 调度起着连接码头前沿和堆场的“动脉”作用；其效率直接决定了作业流程的流畅性和码头的整体吞吐能力（Naeem et al., 2022, Yang et al., 2023）。然而，随着船舶大型化趋势和货运量的持续增长，在有限的空间和设施约束下通过优化调度满足日益增长的运输需求，已成为自动化集装箱码头（ACTs）面临的关键挑战。

针对这些挑战，现有研究主要沿两个方向推进：优化物理设施和布局，以及开发复杂的调度算法和运营策略（Chen et al., 2020, Steenken et al., 2004）。在传统方法中，尽管混合整数线性规划（MILP）等精确算法可以产生最优解，但其计算复杂度随问题规模呈指数级增长，阻碍了其在大规模、实时场景中的应用（Meersmans & Wagelmans, 2001）。同时，遗传算法（GA）和粒子群优化（PSO）等元启发式算法提高了计算效率，但通常需要进行繁重的参数调整，容易陷入局部最优，且难以满足码头运营严格要求（Skinner et al., 2013, Zhang et al., 2010）。

近年来，深度强化学习（DRL）和神经组合优化（NCO）为求解此类问题建立了新范式。然而，现有基于学习的方法在应用于 AGV 调度时仍面临显著瓶颈：首先，基于注意力机制或纯 Transformer 的模型通常将任务简化为孤立的坐标点，缺乏对复杂物理路网拓扑的显式编码。这使得模型难以区分欧几里得距离和实际可达性，从而无法充分感知空间约束。其次，虽然基于 GNN 的模型可以建模路网结构，但现有研究通常专注于静态特征提取，未能实现空间拓扑表示和时间调度逻辑的深度融合。这限制了模型在半静态码头环境中通过联合推理“空间路径”和“执行时间”来制定全局协调计划的能力。

为应对这些挑战，本研究的核心目标是探讨通过强化学习训练的 GNN-Transformer 策略是否能在模拟的 U 型码头场景中生成与选定的启发式和学习基线相比具有竞争力的 AGV 任务序列，且具有更低的计算时间。为此，本文构建了一种整合空间拓扑感知与长程时间相关性的智能调度范式。该架构的核心在于采用图神经网络（GNN）显式编码路网的物理连接，辅以 Transformer 机制深度捕获任务间的动态时间依赖，从而建立从系统状态到调度决策的直接端到端映射。实验演示表明，在定义的半静态场景内，该范式能保持与传统启发式方法相当的调度质量，同时通过秒级推理响应速度为自动化码头的实时决策提供强大支持。

本研究的主要贡献总结如下：
（1）基于 DRL 的任务排序框架：将多 AGV 调度问题重构为序列决策过程，并相应地开发了端到端解决方案框架。该框架通过 POMO-REINFORCE 算法与模拟环境交互学习调度策略。与传统元启发式算法相比，这种方法减少了对重复的、针对实例的参数调整需求（例如种群大小、变异率和迭代限制），尽管架构超参数（例如嵌入维度、层数）仍必须确定，这在深度学习方法中很常见。
（2）专用的 GNN-Transformer 混合神经网络架构：该架构整合了通过图神经网络（GNN）进行的空间拓扑编码和通过 Transformer 进行的时间依赖建模。该设计使模型能够显式地纳入物理连接性（路网结构）和长程任务依赖，为生成任务序列提供了具有空间信息的表示基础。贡献在于将这两个互补的神经网络家族集成并应用于 AGV 任务排序问题，而非发明新的网络组件。
（3）分层混合采样（HHS）推理策略：该策略结合了并行多启动解码和随机深度探索，以提高受控计算预算内的搜索效率。它使模型能够迅速从生成的候选集中标定最佳找到的解，实现亚秒级推理时间（每个实例约 0.3 秒），同时保持与元启发式基线相当或更优的解质量。该推理策略是专门为实验中使用 U 型码头布局而设计的。

本文其余部分组织如下：第 2 节系统地回顾了自动化码头中 AGV 调度领域的研究进展，范围从传统优化到深度学习范式，重点关注用于时空决策的神经网络架构。第 3 节提供了多 AGV 调度问题的正式定义，并构建了其数学规划模型。第 4 节是本文的核心，详细介绍了提出的 GNN-Transformer 混合架构，包括其地图编码、任务编码和解码模块，并介绍了基于 POMO-REINFORCE (Kwon et al., 2020) 的训练方法以及分层混合采样推理策略。第 5 节展示了全面的模拟实验，将提出的模型与各种基准算法进行比较，并通过消融研究和超参数敏感性分析关键组件。最后，第 6 节总结了本文并概述了未来研究的潜在方向。

章节片段
文献综述 自动化码头（ACTs）中 AGV 的协同调度是一个持续且具挑战性的研究主题，以其固有的组合优化复杂度（NP 难）、设备间的时空耦合和环境的动态性为特征。本节旨在系统地回顾相关研究轨迹，并识别当前瓶颈，通过对比传统优化与新兴深度学习范式来确立本研究的理论定位。

问题描述 在 ACTs 中，AGV 负责集装箱在码头前沿 QC 和陆侧 YC 之间的水平运输。为确保处理操作的系统效率，AGV 必须严格在预定义的路网内运行，并与 QC 和 YC 等关键设备保持同步协作。这种协作效率要求在侧装 ACTs 中尤为严格，其中 AGV 和外部卡车同时进入堆场。为了提供现实的

用于 AGV 调度的 GNN-Transformer 混合 DRL 框架 自动化码头中的 AGV 调度问题本质上是一个具有复杂时空耦合特征的组合优化挑战。传统解决方法，如精确数学规划（例如 MIP 和动态规划）和元启发式算法（例如 GA 和 PSO），在应用于大规模、实时和动态调度场景时往往面临严重限制。
一方面，精确方法受高计算复杂度的阻碍，使得

模拟环境和问题实例生成 为了评估提出的方法，基于钦州港 U 型自动化码头的实际布局开发了一个模拟环境（见图 6）。环境包括 4 个 QC 作业区和 32 个作为任务目的地的集装箱堆场区块。路网被离散化为有向图 ??=(??,??)，其中 ?? 表示 219 个活跃交通节点的集合，?? 表示有向弧（见图 6 中的节点配置插图）。这些节点

结论 本研究解决了自动化集装箱码头中 AGV 调度的 NP 难组合优化问题。为了克服传统方法在计算效率和大规模调度复杂度方面的局限性，提出了一种基于深度强化学习的端到端调度框架，并取得了令人满意的实验结果。总之，本研究证明了提出的 GNN-Transformer 策略在完成任务方面有所改进或保持竞争力，并且

CRediT 作者贡献声明 徐高：撰写 – 初稿，验证，软件，方法学，调查，数据整理，概念化。俞方：撰写 – 审阅与编辑，验证，监督，方法学，概念化。杨永生：监督，资金获取。

致谢 本工作得到了上海科学技术委员会 (20dz1203005) 的支持。

徐高 | 俞方 | 杨永生 上海海事大学物流科学与工程学院，上海海港大道 1500 号，上海，201306，中国