La guía anti-intercepción puede mejorar un vehículo de planeo hipersónico (HGV) en comparación con múltiples interceptores. En general, la guía anti-intercepción para aeronaves se puede dividir en guía procedimental, guía de rodeo y guía de evasión activa. Sin embargo, estos métodos de guía no se pueden aplicar al proceso en tiempo real desconocido de un HGV debido a la información de inteligencia limitada o a las capacidades de computación a bordo. En este documento, se propone un enfoque de guía anti-intercepción basado en el aprendizaje por refuerzo profundo (DRL). Primero, el proceso de penetración se conceptualiza como un problema óptimo adversarial de tres cuerpos generalizado (GTAO). Luego, el problema se modela como un proceso de decisión de Markov (MDP), y se diseña un esquema de DRL que consiste en una arquitectura de actor-crítico para resolver esto. Reutilizar el mismo lote de muestras durante el entrenamiento resulta en menos errores de estimación graves en la red de críticos (CN), lo que proporciona mejores gradientes a la red de actores inmadura (AN). Proponemos un nuevo mecanismo llamado entrenamiento de lotes repetitivos (RBT). Además, los datos de entrenamiento y los resultados de las pruebas confirman que el RBT puede mejorar los métodos tradicionales basados en DDPG.