近期，北京理工大学计算机学院刘驰教授团队在航空货运装载优化、图神经网络与强化学习交叉应用领域取得重要研究进展。团队与中国民航信息网络股份有限公司（TravelSky）合作完成的学术论文 ”AirGraph: A Graph Loading Methodology for Detachable Air Cargo at TravelSky” 荣获第九届机器学习与机器智能国际会议 MLMI 2026 最佳论文奖（Best Paper Award）。

论文针对航空货运可拆分货物装载场景下约束建模难、搜索空间大、优化效率低的核心问题，团队提出基于图神经网络的强化学习加速方法 AirGraph。该方法将装载问题建模为马尔可夫决策过程，通过预训练图神经网络压缩搜索空间，结合 PPO 算法微调策略，在 13 项装载约束下实现运输利润与飞机重心平衡的组合优化。该研究突破了传统优化方法无法同时适配可变拆分粒度与高效求解的行业瓶颈，实验表明，AirGraph在6种主流机型的真实业务场景下，全面超越 MILP、GA、PSO 等 9 种代表性组合优化基线算法。