A medida que los humanos continúan explotando el océano, el número de nodos de UAV en el mar y la demanda de sus servicios están aumentando. Dado el carácter dinámico de los entornos marinos, los métodos tradicionales de asignación de recursos conducen a una transmisión de servicios ineficiente y efectos de ping-pong. Este estudio mejora la alineación entre los recursos de red y los servicios de nodo mediante la introducción de un mecanismo de atención y un algoritmo de aprendizaje profundo de doble Q (DDQN) que optimiza la estrategia de acceso al servicio, controla las salidas de acción y mejora la compatibilidad entre servicios y nodos, constituyendo así un método novedoso para la asignación de recursos de red de UAV en entornos marinos. Un módulo de supresión selectiva minimiza la variabilidad en las salidas de acción, mitigando efectivamente el efecto de ping-pong, y se diseña un módulo consciente de la atención para fortalecer la compatibilidad entre nodo y servicio, mejorando significativamente la eficiencia de transmisión de servicios. Los resultados de la simulación indican que el método propuesto aumenta el número de servicios completados en comparación con los algoritmos DDQN, soft actor-critic (SAC) y deep deterministic policy gradient (DDPG) y aumenta el valor total de los servicios completados.