Para reducir los costos operativos de los aeropuertos y minimizar la contaminación ambiental, un número creciente de aeropuertos está haciendo la transición de vehículos de manejo en tierra propulsados por combustible a vehículos eléctricos. Sin embargo, la capacidad limitada de las baterías de los vehículos eléctricos y la necesidad de carga hacen que la programación de estos vehículos sea más compleja. Para abordar este problema de programación, este documento propone un algoritmo de programación de vehículos eléctricos de manejo en tierra que combina el modelo MAMBA con una red neuronal basada en atención. El modelo MAMBA está diseñado para procesar características multidimensionales como información de vuelos, ubicaciones de vehículos, demandas de servicio y restricciones de ventanas de tiempo. Posteriormente, se desarrolla una red neuronal basada en un mecanismo de atención para integrar dinámicamente los estados de los vehículos, los registros de servicio y las restricciones operativas y de carga, con el fin de seleccionar los vuelos más adecuados para que los vehículos eléctricos de manejo en tierra los atiendan. Los experimentos utilizan datos de vuelos del Aeropuerto Internacional de Xiamen Gaoqi y comparan el método propuesto con los solucionadores CPLEX, algoritmos heurísticos existentes y algoritmos heurísticos personalizados. Los resultados demuestran que el método propuesto no solo resuelve eficazmente el problema de programación de vehículos eléctricos de manejo en tierra y proporciona soluciones de alta calidad, sino que también exhibe buena escalabilidad en diferentes configuraciones de parámetros y escenarios de programación en tiempo real.