El rápido avance de los vehículos aéreos no tripulados (VANT) ha transformado una amplia gama de aplicaciones, incluidas las operaciones militares, la respuesta a desastres, el monitoreo agrícola y la inspección de infraestructuras. Desplegar múltiples VANT para trabajar de manera colaborativa ofrece ventajas significativas en términos de mayor cobertura, redundancia y eficiencia operativa. Sin embargo, a medida que las misiones de los VANT se vuelven más complejas y operan en entornos dinámicos, el problema de asignación de tareas se vuelve cada vez más desafiante. La asignación dinámica de tareas en múltiples VANT es crítica para optimizar el éxito de la misión. Implica asignar tareas a los VANT en tiempo real mientras se adapta a cambios impredecibles, como apariciones repentinas de tareas, fallos de VANT y requisitos de misión variables. Una contribución clave de este artículo es que proporciona un estudio integral de las soluciones más avanzadas para la asignación dinámica de tareas en sistemas de múltiples VANT desde 2013 hasta 2024. También introduce un marco comparativo para evaluar algoritmos basados en métricas como la capacidad de respuesta, la robustez y la escalabilidad en el manejo de condiciones dinámicas del mundo real. Nuestro análisis revela fortalezas y limitaciones distintas en tres enfoques principales: soluciones basadas en el mercado, optimización inteligente y soluciones basadas en agrupamiento. Las soluciones basadas en el mercado sobresalen en coordinación distribuida y adaptabilidad en tiempo real, pero enfrentan desafíos con la sobrecarga de comunicación. Las soluciones de optimización inteligente, que incluyen inteligencia evolutiva y de enjambre, ofrecen alta flexibilidad y rendimiento en escenarios complejos, pero requieren recursos computacionales significativos. Las soluciones basadas en agrupamiento agrupan y asignan tareas geográficamente de manera eficiente, reduciendo la superposición y mejorando la eficiencia, aunque luchan con la adaptabilidad en entornos dinámicos. Al identificar estas fortalezas, limitaciones y tendencias emergentes, este artículo no solo ofrece un análisis comparativo detallado, sino que también destaca brechas críticas en la investigación. Específicamente, subraya la necesidad de algoritmos escalables que puedan manejar eficientemente flotas de VANT más grandes, métodos robustos para adaptarse a cambios repentinos de tareas y fallos de VANT, y marcos de optimización multiobjetivo para equilibrar objetivos en competencia como la eficiencia energética y la finalización de tareas. Estos conocimientos sirven como guía para futuras investigaciones y como un recurso valioso para desarrollar estrategias resilientes y eficientes para la asignación dinámica de tareas en múltiples VANT en entornos complejos.