Este documento se centra en las redes móviles asistidas por vehículos aéreos no tripulados (UAV), donde múltiples usuarios móviles terrestres (GMU) desean cargar datos a un UAV. Con el fin de maximizar la cantidad total de datos que se pueden cargar, formulamos un problema de optimización para maximizar el rendimiento de subida optimizando la trayectoria del UAV, bajo las restricciones de la energía disponible del UAV y la calidad del servicio (QoS) de los GMU. Para resolver el problema no convexo, proponemos un método basado en una red Q profunda (DQN), en el que empleamos el proceso de actualización iterativa y el método de Experiencia de Relevo (ER) para reducir los efectos negativos de la correlación de secuencias en los resultados de entrenamiento, y se aplica el método -greedy para equilibrar la exploración y la explotación, con el fin de lograr mejores estimaciones del entorno y también tomar mejores acciones. A diferencia de trabajos anteriores, la movilidad de los GMU se tiene en cuenta en este trabajo, lo que es más general y más cercano a la práctica. Los resultados de simulación muestran que el método basado en DQN propuesto supera a uno tradicional basado en Q-Learning en términos de convergencia y rendimiento de red. Además, cuanto mayor sea la capacidad de la batería del UAV, mayor será el rendimiento de subida que se puede lograr.