SPID：一个基于深度强化学习的低空起降设施选址解决方案框架

刘小程; 乐美龙; 刘玉璞; 胡明华

doi:10.1631/FITEE.2500534

Your Location：

Home >

Browse articles >

SPID：一个基于深度强化学习的低空起降设施选址解决方案框架

专题 | Updated：2026-01-12

- SPID：一个基于深度强化学习的低空起降设施选址解决方案框架
  Enhanced Publication
- SPID: a deep reinforcement learning-based solution framework for siting low-altitude takeoff and landing facilities^#
- “在城市空中交通领域，本研究引入了一种基于深度强化学习的解决方案框架SPID，该框架显著提高了低空起降平台选址的解决方案效率和鲁棒性。xx专家建立了天基信息平台系统，该系统为解决飞行和运力限制下的垂直起降选址问题提供了解决方案。”
- 信息与电子工程前沿(英文版) 2025年26卷第12期页码：2397-2420
- Affiliations：
  
  College of Civil Aviation, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China
- Author bio：
  
  E-mail: lxc2307084@nuaa.edu.cn
  ‡ Corresponding author
  liuyupu@nuaa.edu.cn
  minghuahu@nuaa.edu.cn
- Funds：
- DOI：10.1631/FITEE.2500534
  中图分类号： TP181
- 收稿：2025-07-28，
  
  修回：2025-11-26，
  
  纸质出版：2025-12
- Accepted：
Scan QR Code
刘小程, 乐美龙, 刘玉璞, 等. SPID：一个基于深度强化学习的低空起降设施选址解决方案框架[J]. 信息与电子工程前沿(英文版), 2025,26(12):2397-2420.

Xiaocheng LIU, Meilong LE, Yupu LIU, et al. SPID: a deep reinforcement learning-based solution framework for siting low-altitude takeoff and landing facilities^#[J]. ENGINEERING Information Technology & Electronic Engineering, 2025, 26(12): 2397-2420.
刘小程, 乐美龙, 刘玉璞, 等. SPID：一个基于深度强化学习的低空起降设施选址解决方案框架[J]. 信息与电子工程前沿(英文版), 2025,26(12):2397-2420. DOI： 10.1631/FITEE.2500534.

Xiaocheng LIU, Meilong LE, Yupu LIU, et al. SPID: a deep reinforcement learning-based solution framework for siting low-altitude takeoff and landing facilities^#[J]. ENGINEERING Information Technology & Electronic Engineering, 2025, 26(12): 2397-2420. DOI： 10.1631/FITEE.2500534.

浏览量

Downloads

CSCD

文章被引用时，请邮件提醒。

Submit

工具集

关联资源

DRL-EnVar: an adaptive hybrid ensemble–variational data assimilation method based on deep reinforcement learning

Black-box adversarial attacks on deep reinforcement learning-based proportional–integral–derivative controllers for load frequency control

Federated deep reinforcement learning based computation offloading in a low Earth orbit satellite edge computing system

Significance extraction based on data augmentation for reinforcement learning

Incentive-based task offloading for digital twins in 6G native artificial intelligence networks: a learning approach

相关机构

国防科技大学气象海洋学院

国防科技大学计算机学院

浙江大学控制科学与工程学院工业控制技术全国重点实验室

青岛理工大学信息与控制工程学院

齐鲁工业大学（山东省科学院）算力互联网与信息安全教育部重点实验室

Intro

Map

Chat

地址：浙江杭州天目山路148号，浙江大学出版社邮编：310028
联系电话：+86-571-88273162 Email：fitee@zju.edu.cn
本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies

⁰

SPID：一个基于深度强化学习的低空起降设施选址解决方案框架

SPID: a deep reinforcement learning-based solution framework for siting low-altitude takeoff and landing facilities#

DOI：10.1631/FITEE.2500534

SPID: a deep reinforcement learning-based solution framework for siting low-altitude takeoff and landing facilities^#