海洋运输在全球贸易中扮演着不可或缺的角色,绝大部分的海洋商品都依靠集装箱资源进行运输。然而,全球贸易发展存在着极度不平衡问题,全球每年花费在集装箱管理和调度上的经济成本非常高昂,海洋运输中的集装箱空箱资源调度问题便成为海洋运输中的关键问题之一。开发合理的空箱资源调度策略不仅可以减少海洋运输中的货物装载和运输成本、以及集装箱资源短缺的问题,还能提高海洋运输效率、减少港口堵塞问题,从而提升资源利用率,促进国际贸易行业的发展。本论文针对现有的多智能体空箱资源调度模型考虑的信息比较单一、智能体间缺乏显著的协同合作机制问题,创新性地提出了一种基于异构图神经网络改进的多智能体协作式空箱资源调度模型。该模型一方面通过构造异构海运网络,考虑了更丰富的海洋航运信息;另一方面,通过结合图神经网络,引入了多智能体的协同合作机制。具体地,本论文提出的空箱资源调度模型包含以下创新点:(1)提出了一种新的海运网络模型,即面向空箱调度的异构海运网络模型。为了高效地处理复杂海运网络中的信息,作者根据港口、货船和航线的关系构建了以港口、货船为节点,以单航线内的可达性为连接的异构海运网络,该网络相比同构的海运网络包含多种节点和边,因此能够捕获更丰富的航运信息。(2)提出了一种新的多智能体协作方法,即基于异构图神经网络的多智能体协作模型。作者通过引入图神经网络来自动学习节点的表征信息,并通过图注意力机制对智能体及其邻域节点的关系(影响力)进行建模。该模型相比现有模型能够自动学习相邻节点的相互影响,因此达到相互协同合作的效果。为了验证模型的有效性,本论文搭建了一个针对空箱调度的多智能体强化学习仿真系统,在该系统下,作者对提出的模型进行了实验设计和分析。实验分析结果表明,论文提出的方法明显优于现有的资源调度方法,相比基准模型,该模型实现的订单满足率相比基准模型提高了 15%,空箱调度所涉及的成本降低了 18%。