Actualmente, la mayoría de los métodos de asociación de datos multi-objetivo requieren la suposición de que se conoce el modelo de movimiento del objetivo, pero esta suposición claramente no es válida en un entorno real. En el caso de un modelo de sistema desconocido, se debe considerar la influencia del desorden ambiental y los errores de detección del sensor en los resultados de asociación, así como la ocurrencia de maniobras fuertes del objetivo y la aparición repentina de nuevos objetivos durante el proceso de asociación. Para abordar estos problemas, este documento diseña un algoritmo de seguimiento de objetivos y asociación de datos basado en el aprendizaje por refuerzo. Primero, este algoritmo combina la capacidad de exploración dinámica del aprendizaje por refuerzo y la función de memoria a largo plazo de la red LSTM para diseñar una red de políticas que predice la probabilidad de asociar un punto con sus varios posibles objetivos fuente. Luego, se combinan la red bayesiana y el método de ajuste de curvas de mínimos cuadrados de múltiple orden para predecir la ubicación del objetivo, y los resultados se introducen en la función recursiva bayesiana para obtener la recompensa. Simultáneamente, se proponen algunos mecanismos correspondientes para posibles problemas que interfieren con el proceso de asociación. Finalmente, los resultados experimentales de simulación muestran que este algoritmo asocia los resultados con mayor precisión en comparación con otros algoritmos cuando se enfrenta al problema mencionado.