La utilización de drones para la entrega es un enfoque efectivo para mejorar la eficiencia de la entrega y reducir costos. Sin embargo, para superar las limitaciones de alcance de entrega y capacidad de carga de los drones, la combinación de camiones y drones está ganando más atención. Al usar camiones como plataforma de vuelo para drones y apoyar su despegue y aterrizaje, el alcance y la capacidad de entrega pueden extenderse considerablemente. Esta investigación se centró en la entrega mixta de camiones y drones y utilizó el aprendizaje por refuerzo y redes viales reales para abordar su problema de programación óptima. Además, se optimizó el estado y el comportamiento del vehículo para reducir comportamientos sin sentido, especialmente la optimización de la trayectoria de viaje del camión y el tiempo de servicio al cliente. Finalmente, una comparación con otros algoritmos de aprendizaje por refuerzo con restricciones de comportamiento demostró la razonabilidad del problema y las ventajas del algoritmo.