Para abordar las complejidades de la toma de decisiones para vehículos aéreos no tripulados (VANT) en entornos de negación, este documento aplica algoritmos de aprendizaje por refuerzo profundo a tareas de búsqueda y rescate (SAR). Propone un método de búsqueda y seguimiento de objetivos en dos etapas para VANT basado en aprendizaje por refuerzo profundo, que divide las tareas de SAR en etapas de búsqueda y seguimiento, y los controladores para cada etapa se entrenan en base al algoritmo propuesto de gradiente de política determinista profundo con tres redes críticas (DDPG-3C). Se llevan a cabo experimentos de simulación para evaluar el rendimiento de cada etapa en un escenario SAR rectangular bidimensional, incluyendo búsqueda, seguimiento y la etapa integrada completa. Los resultados experimentales muestran que el modelo DDPG-3C propuesto puede aliviar efectivamente el problema de sobreestimación, lo que resulta en una convergencia más rápida y un rendimiento mejorado durante las etapas de búsqueda y seguimiento. Además, el método de búsqueda y seguimiento de objetivos en dos etapas supera el enfoque tradicional de una sola etapa, lo que conduce a una capacidad de toma de decisiones más eficiente y efectiva en tareas de SAR.