La logística de emergencia es esencial para una respuesta rápida y eficiente ante desastres, asegurando la disponibilidad y el despliegue oportuno de recursos en las áreas afectadas. En el proceso de trabajo de rescate, los cambios dinámicos en la información de los puntos de rescate aumentan considerablemente la dificultad del rescate. Este documento establece un modelo de red neuronal combinada considerando una penalización por ventana de tiempo suave y aplica el aprendizaje por refuerzo profundo (DRL) para abordar el problema de enrutamiento dinámico en la logística de emergencia. Este método utiliza el marco actor-crítico, combinado con mecanismos de atención, redes de punteros y redes neuronales de memoria a corto y largo plazo, para determinar un camino efectivo de ayuda humanitaria, y compara el esquema de programación obtenido con los resultados obtenidos del algoritmo DRL basado en el modelo de red única y el algoritmo de optimización por colonia de hormigas (ACO). Los experimentos de simulación muestran que el método propuesto reduce la precisión de la solución en casi un 10% en comparación con el algoritmo ACO, pero ahorra casi un 80% en tiempo de solución. Además, aumenta ligeramente los tiempos de solución pero mejora la precisión en casi un 20% en comparación con los enfoques tradicionales de DRL, demostrando un equilibrio prometedor entre la eficiencia del rendimiento y la utilización de recursos computacionales en la logística de emergencia.