Las redes de satélites en órbita terrestre baja (LEO) pueden proporcionar conectividad completa y capacidad de transmisión de datos a nivel mundial para el internet de las cosas. Sin embargo, la llegada arbitraria de flujos y la carga de tráfico desigual entre áreas provocan una distribución desequilibrada del tráfico en la constelación LEO. Por lo tanto, la estrategia de enrutamiento en las redes LEO debería tener la capacidad de ajustar los caminos de enrutamiento en función de los cambios en el estado de la red de manera adaptativa. En este artículo, proponemos una Estrategia de Enrutamiento Consciente del Estado de Dos Saltos Basada en Aprendizaje Profundo de Refuerzo (DRL-THSA) para redes de satélites LEO. En esta estrategia, cada nodo solo necesita obtener el estado del enlace dentro del alcance de los vecinos de dos saltos, y puede emitir el nodo de siguiente salto óptimo. El estado del enlace se divide en tres niveles, y se propone una estrategia de reenvío de tráfico para cada nivel, lo que permite a DRL-THSA hacer frente a la interrupción del enlace o la congestión. La Red Doble de Q Profunda (DDQN) se propone en DRL-THSA para determinar el siguiente salto opcional ingresando los estados de enlace de dos saltos. El DDQN se analiza desde tres aspectos: configuración del modelo, proceso de entrenamiento y proceso de ejecución. La efectividad de DRL-THSA, en términos de retraso de extremo a extremo, throughput y tasa de pérdida de paquetes, se verifica a través de un conjunto de simulaciones utilizando el Simulador de Red 3 (NS3).