导航与避障是无人机顺利完成任务的关键环节。然而，传统自主飞行系统在复杂环境中存在局限性，促使研究人员不断探索深度强化学习（DRL）等替代框架。因此，提出了一种基于深度强化学习的新型无人机自主控制算法；为验证所提算法在复杂环境下的性能提升效果，在加泽博（Gazebo）仿真平台的三维（3D）环境中进行了仿真实验。结果表明，该算法不仅融合了深度确定性策略梯度（DDPG）算法的优势，而且实现了对最优比例⁃积分⁃微分（PID）控制器的自学习；该算法在动态环境中的表现优于多种现有算法，具体体现在稳定性提升、响应速度加快及任务成功率提高等方面。
