A dolgozatban különböző szenzorok elhelyezését vizsgáltuk úgy, hogy azok optimális lefedettséget biztosítsanak. Ezen belül is, célunk az volt, hogy a Naprendszer különböző égitesteit minél jobban tudjuk vizsgálni ezen szenzorok segítségével. Ezt három példán keresztül mutattuk be. Az implementációhoz a Unity-t és annak az Ml-Agents Toolkit-jét, valamint a Skyfield Python csomagot használtuk. Az első példában azt a műhold-konstellációt, és annak pályáját kerestük, ami adott számú műholddal maximális globális lefedettséget biztosít. Bár ez már egy megoldott problémának tekinthető, ez a példa bebizonyította, hogy igenis kiváltója/kiegészítése lehet a megerősítő tanulás az eddig használt technikáknak. A második és a harmadik példában olyan optimalizációs feladatokat vizsgáltunk, amiket már nem olyan egyszerű egy elméleti modellel leírni. Ezek a példák a Naprendszer égitesteit és egy, a Föld felé tartó aszteroida pályáját vizsgáló megfigyelőállomások helyzetét optimalizálták. Az implementáció egy paraméterezhető keretrendszert ad ezen dolgozatban vázolt feladatok megoldására.