El reconocimiento de objetivos de alto valor es un requisito previo para operaciones efectivas. La reciente apreciación del aprendizaje profundo por refuerzo (DRL) surge de su éxito en problemas de navegación, pero debido a la competitividad y complejidad del campo militar, las aplicaciones de DRL en el campo militar siguen siendo insatisfactorias. En este documento, se propone una planificación de misión de reconocimiento inteligente basada en DRL de extremo a extremo para misiones de reconocimiento cooperativo de vehículos aéreos no tripulados duales (UAV duales) bajo situaciones de alta amenaza y densidad. Se da una consideración integral a las propiedades específicas de la misión y a los requisitos de parámetros a lo largo de todo el modelado.