基于Mamba-2编码的集装箱箱位分配模型

• 全文链接
• 请求原文

作   者：

向若愚;  杨有;  陈雁翎; 

作者机构：

重庆师范大学计算机与信息科学学院; 

关键词：

集装箱;  深度强化学习;  状态空间模型;  箱位分配;  Mamba-2; 

期刊名称：

河南科学

i s s n：

1004-3918

年卷期：

2025 年 43 卷 003 期

页   码：

321-329

摘   要：

箱位分配在集装箱码头中至关重要，影响非生产性成本和作业效率。针对箱位分配问题，基于规则的策略求解速度快，但理论上无法获取最优解；数学规划模型理论上可以获得最优解，但计算时间随堆场规模增加而呈指数型增长，难以满足集装箱堆存的应用要求。使用深度强化学习方法设计模型，可以在短时间内获得高质量解。为此，针对贝位构造不能充分表达栈间语义的问题，定义5个栈位输入特征；设计基于端到端的编解码器模型，用于集装箱箱位分配。该模型采用Mamba-2进行编码，使用多头注意力进行解码，使用带基线的强化学习算法进行训练。仿真实验表明，所设计模型在中大规模问题上具有性能优势，能在较短时间内选择合理箱位，降低翻箱率，提高港口作业效率。