도시 저고도 무인 항공기(UAV) 경제의 급속한 발전으로 UAV 착륙 지점 및 보급 기지의 동적 위치 선정에 새로운 과제가 제기되었습니다. 기존의 심층 강화 학습 방법은 대규모 도시 수준의 위치 문제를 처리할 때 표준 어텐션 메커니즘을 사용하면 계산 복잡도 병목 현상에 직면합니다. 본 논문에서는 동적 UAV 위치 문제를 위해 특별히 설계된 Hopfield 증강 희소 공간 어텐션 네트워크인 GeoHopNet을 제안합니다. GeoHopNet은 공간 기하 정보를 명시적으로 인코딩하는 거리 기반 다중 헤드 어텐션 메커니즘, 계산 복잡도를 O(N²)에서 O(NK)로 줄이는 K-최근접 이웃 희소 어텐션, 최신 Hopfield 외부 메모리 모듈, 메모리 정규화 전략이라는 네 가지 핵심적인 혁신을 도입합니다. 실험 결과는 GeoHopNet이 해결 가능한 문제 크기의 경계를 확장함을 보여줍니다. 표준 어텐션 모델이 매우 느려지는(인스턴스당 3초 이상) 1,000개 노드의 대규모 인스턴스에서 기존의 해결사가 실패하는 경우에도 GeoHopNet은 0.1초 이내에 고품질 솔루션(0.22% 최적성 차이)을 찾습니다. 100개 노드 인스턴스에서 최첨단 ADNet 기준과 비교했을 때, 본 방법은 솔루션 품질을 22.2% 향상시키고 1.8배 더 빠릅니다.
