トラックとドローンを組み合わせた配送システムは、ラストマイル物流の新たな可能性として注目されています。特にスマートロッカーを拠点とした運用モデルでは、ロッカーが単なる荷物保管施設としてだけでなく、ドローンの自動ドッキング・サービスノードとしても機能します。このシステムでは、ドローンの離着陸、荷物の受け渡し、バッテリー交換などがロッカーで自動化され、配送ネットワークのサービス範囲と運用柔軟性が大幅に拡大されます。 しかし現実のロッカー基盤配送システムは極めて複雑で、配送と返送、バッテリー制約と負荷に応じたドローン飛行、そして飛行禁止区域の迂回など、多くの要素を統合的に調整する必要があります。この課題に対応すべく、本研究はピックアップ・配送・飛行禁止区域を考慮したロッカー基盤トラック・ドローン配送問題（LTDRP-PDNF）を提唱し、ドローン搭載トラック車両群の総運用コスト最小化を目指します。 研究チームはマルコフ決定過程として経路構築を定式化し、2段階の深層強化学習ベースニューラルヒューリスティックを開発しました。第1段階では注意機構ベースのエンコーダと双方向GRUデコーダを用いて、容量制約付き車両配送問題として扱うトラックのみのルート計画を解決します。第2段階では方針転移戦略とハイブリッド配分ヒューリスティックを組み合わせ、トラックとドローンの完全に統合されたルートを構築します。 異なる規模のインスタンスでの実験結果により、提案手法はメタヒューリスティックおよびニューラルヒューリスティックの既存手法を大部分において上回りながら、きわめて短い計算時間を維持することが実証されました。この研究は現実の制約条件下での効果的でスケーラブルなソリューションフレームワークを提供します。