El avance de las redes inalámbricas ha mejorado significativamente las capacidades de formación de haces en los Sistemas Aéreos No Tripulados Autónomos (AUAS). Este documento presenta un algoritmo clásico simple y eficiente para enrutar una colección de AUAS o enjambres de drones, ampliando nuestro trabajo previo sobre AUAS. El algoritmo se basa en la factorización escasa de matrices de Vandermonde de frecuencia que corresponden a cada dron, y sus entradas se determinan a través de datos espaciotemporales de los drones en el AUAS. El algoritmo se basa en la formación de haces multihaz, lo que lo hace adecuado para redes AUAS a gran escala en comunicaciones inalámbricas. Mostramos una reducción en las complejidades aritméticas y temporales del algoritmo a través de resultados teóricos y numéricos. Finalmente, también presentamos un algoritmo de enrutamiento AUAS basado en ML utilizando el algoritmo clásico de AUAS y redes neuronales de retroalimentación. Comparamos las señales formadas por haces del algoritmo de enrutamiento AUAS basado en ML con las señales de verdad de terreno para minimizar el error entre ellas. Los resultados del error numérico muestran que el algoritmo de enrutamiento AUAS basado en ML mejora la precisión del enrutamiento. Este error, junto con los resultados numéricos y teóricos para más de 100 drones, proporciona la base para la escalabilidad de los algoritmos AUAS propuestos basados en ML para implementaciones a gran escala.