一种基于强化学习和图神经网络的空域规划方法

本发明提出了一种基于强化学习和图神经网络的空域规划方法，旨在解决传统空域扇区规划方法存在设计繁杂、灵活性与泛化性欠佳的问题。本发明综合运用深度强化学习及图注意力神经网络技术构建模型，以均衡扇区工作负荷为划分目标并满足连通性约束。该方法包括输入空域负荷数据，搭建含特定状态空间、动作空间和奖励函数的空域规划环境与智能体，初始化并训练智能体，利用训练好的智能体划分扇区给出规划方案。模型基于GCN及PPO算法，通过GCN提取特征，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、灵活和泛化的空域规划。