Los incendios forestales a menudo se propagan rápidamente y causan importantes pérdidas humanas y económicas. Los drones de extinción de incendios que transportan cápsulas de agua ofrecen una forma eficiente de apagar incendios forestales, pero sus capacidades operativas están limitadas por sus cargas útiles. Esta debilidad puede ser compensada utilizando vehículos terrestres para proporcionar un suministro de agua móvil. Con este fin, este documento presenta un problema de optimización para programar múltiples drones y camiones de suministro de agua para la lucha contra incendios forestales, que asigna subáreas en llamas a los drones, traza rutas para que los drones realicen operaciones de extinción de incendios en las subáreas en llamas y recarguen agua entre cada dos operaciones consecutivas, y traza rutas para que los camiones proporcionen un suministro de agua oportuno para los drones. Para resolver el problema dentro del tiempo de respuesta de emergencia limitado, proponemos un método de aprendizaje por refuerzo profundo, que consiste en un codificador para incrustar las características de la instancia de entrada y un decodificador para generar una solución prediciendo iterativamente la decisión de selección de subárea a través de atención. Los resultados computacionales en instancias de prueba construidas sobre áreas silvestres del mundo real demuestran las ventajas de rendimiento del método propuesto sobre una colección de métodos de optimización heurísticos y metaheurísticos.