一种空域扇区配置方法

本发明提出了一种空域扇区配置方法，基于强化学习和图神经网络技术，旨在解决传统方法在空域扇区划分问题上的局限性，如设计复杂、灵活性和泛化性差。该方法采用深度强化学习算法A2C和图注意力网络（GAT）来建立模型，以均衡各扇区工作负荷为目标，并满足连通性约束。通过定义分区完成后各扇区的方差作为目标函数，衡量均衡程度。该方法包括输入扇区负荷图数据、转化为深度强化学习的初始输入数据、建立扇区划分模型、智能体输出动作概率并计算奖励值、利用训练好的智能体进行扇区划分等步骤。GAT模型对不满足约束的解进行屏蔽，确保分区连通性。通过这种方法，可以实现更高效、灵活和泛化的空域扇区划分。