Para mejorar la inteligencia y precisión de la Evaluación de Situación (SA) en escenas complejas, este trabajo desarrolla un enfoque mejorado de red neuronal profunda difusa para la evaluación de situación de múltiples Vehículos Aéreos No Tripulados (UAV). En primer lugar, este trabajo normaliza los datos de la escena basándose en series temporales y utiliza los datos normalizados como entrada para una red neuronal profunda difusa mejorada. En segundo lugar, se introducen el momento adaptativo y el SGD Elástico (Descenso de Gradiente Estocástico Elástico) en el proceso de entrenamiento de la red neuronal, para mejorar el rendimiento del aprendizaje. Por último, en la tarea de evaluación de situación en tiempo real para múltiples UAV, los métodos convencionales a menudo producen resultados inexactos para la evaluación de situación porque estos métodos no consideran la difusidad de las situaciones de tarea. Este trabajo utiliza una red neuronal profunda difusa mejorada para calcular los resultados de la evaluación de situación y normaliza estos resultados. Luego, se calcula el grado de confianza del resultado actual, relativo a cada etiqueta de situación, utilizando los resultados normalizados mediante lógica difusa. Los resultados de simulación muestran que el método propuesto supera a los competidores.