La planificación de rutas es uno de los principales puntos focales y desafíos en la investigación de robótica móvil. Los algoritmos tradicionales de optimización de colonias de hormigas (ACO) encuentran problemas como baja eficiencia, convergencia lenta y una tendencia a quedar atrapados en óptimos locales y estancamiento de la búsqueda cuando se aplican a entornos dinámicos complejos. Abordando estos desafíos, este estudio presenta un algoritmo de optimización de colonias de hormigas profundas adaptativo (ADACO), que mejora significativamente la eficiencia y la velocidad de convergencia a través de mecanismos de difusión de feromonas mejorados y estrategias de actualización, aplicadas a la planificación global de rutas. Para adaptarse a entornos que cambian dinámicamente y lograr una planificación de rutas locales más precisa, se propone además un algoritmo de red de estrategia asimétrica TD3 (ATD3), que utiliza información de planificación de rutas globales solo dentro de la red de estrategia, creando un nuevo algoritmo jerárquico de planificación de rutas: ADACO-ATD3. Los experimentos de simulación demuestran que el algoritmo propuesto supera significativamente en cuanto a longitud de ruta y número de iteraciones, mejorando efectivamente el rendimiento de planificación de rutas del robot móvil en entornos dinámicos complejos.