在军事作战中,战场信息瞬息万变,因此处理作战信息要满足超低时延的需求。移动边缘计算（Mobile Edge Computing,MEC）技术能够有效地解决上述问题,边缘计算可以支持侦察机器人实现低时延、低能耗的计算需求。但是,战场中对侦察机器人有较高的移动性要求且固定服务器基站容易被敌方损坏,位置固定的边缘服务器基站在该场景下的能力受限。考虑将边缘服务器安装到无人机（Unmanned Aerial Vehicle,UAV）上,将无人机的高机动性和边缘计算强大的计算能力相结合,为实现快速作战提供了可能。然而,无人机的电池容量有限,导致搭载服务器的无人机在服务过程中出现服务时间短、服务不完整等问题。因此,需要对无人机的部署轨迹进行合理规划。战场环境实时变化,传统的优化算法难以满足实时规划。深度强化学习（Deep Reinforcement Learning,DRL）具有强大的学习和自适应能力,能够支持搭载边缘服务器的无人机根据侦察机器人的服务需求实现实时部署,从而解决侦察机器人自身计算能力无法满足计算需求的问题。基于此,本文的主要研究工作如下:（1）在单无人机动态部署方面。本文研究了一种改进的双深度Q网络算法,考虑了地面存在多个障碍物和无人机能耗约束的条件下,实现单无人机边缘服务器的动态部署,旨在最大化侦察机器人地理位置的公平性以及实现无人机的避障。首先,将单无人机服务多地面终端问题公式化,并提出优化目标;其次,为了实现深度强化学习的训练和学习,建立马尔可夫决策模型。最后,为了解决算法收敛速度慢的缺点,在双深度Q网络（Double Deep Q Network,DDQN）算法的基础上提出基于贪婪-伪计数（-pseudo count）的动作探索策略。仿真实验结果表明,无人机能够顺利避开障碍物,并且改进的双深度Q网络算法收敛速度更快,系统平均奖励更高。在侦察机器人地理位置公平性方面,改进的DDQN算法相较于Q-learning、DQN和DDQN分别提高了50%、20%和15.38%。（2）在多无人机动态部署方面。由于在多无人机场景中考虑连续的动作空间,导致动作空间维度爆炸,DDQN算法无法适用。因此,针对多个障碍物和多个无人机的复杂场景,本文基于深度确定性策略梯度算法（Deep Deterministic Policy Gradient,DDPG）实现多无人机边缘服务器的动态部署。通过规划无人机集群的部署轨迹实现无人机对侦察机器人的覆盖率最大化、无人机集群的能量利用率最大化以及无人机集群的避障。为了实现这一优化目标,建立系统的数学模型和马尔可夫决策模型,并采用DDPG算法实现多无人机的动态部署。仿真实验结果表明,多无人机能够有效的实现避障;在侦察机器人的覆盖率方面,基于DDPG的部署算法比AC、A3C和PG算法分别高了112.50%、21.43%和142.86%。在无人机集群的能量利用率方面,基于DDPG的部署算法比AC、A3C和PG算法分别高了28.57%、12.50%和50%。