Los incendios forestales a menudo representan peligros graves, y el monitoreo y la extinción oportuna de los incendios forestales residuales utilizando vehículos aéreos no tripulados (VANT) pueden prevenir la re-ignición y mitigar el daño causado. Debido a la urgencia de los incendios forestales, los drones necesitan responder rápidamente durante las operaciones de extinción, mientras que el despliegue de formaciones de drones tradicionales requiere una cantidad significativa de tiempo. Este documento propone una estrategia de posicionamiento pasivo de azimut puro para formaciones de VANT circulares y utiliza el algoritmo Deep Q-Network (DQN) para ajustar efectivamente la formación en un corto período de tiempo. Inicialmente, se establece un modelo de posicionamiento pasivo para VANT basado en las relaciones entre los lados y ángulos de un triángulo, seleccionando el punto más cercano a la posición ideal como la posición donde se ubicará el VANT. Posteriormente, se desarrolla un modelo de optimización multiobjetivo, considerando 10 VANT como un ejemplo, con el objetivo de minimizar el número de ajustes mientras se minimiza la desviación entre las posiciones ideales y ajustadas de los VANT. Se emplea el algoritmo DQN para resolver y diseñar experimentos de validación, demostrando que la desviación entre las posiciones de los VANT y las posiciones ideales, así como el número de ajustes, se encuentran dentro de rangos aceptables. En comparación con los algoritmos genéticos, ahorra aproximadamente 120 s.