La operación de enjambres de vehículos aéreos no tripulados (UAV) descentralizados, eficientes en energía y resilientes en entornos donde se niega el sistema global de navegación por satélite (GNSS) sigue siendo un desafío porque la demanda de propulsión, la carga de comunicación y la inferencia a bordo están estrechamente acopladas a nivel de misión. Aunque estudios previos han examinado algunos de estos componentes por separado, su evaluación conjunta dentro de enjambres descentralizados adaptativos sigue siendo limitada en condiciones de navegación degradadas. Este estudio propone un marco de comunicación-topología adaptativa consciente de la energía, integrado con inteligencia artificial (IA) ligera asistida por navegación para enjambres de UAV descentralizados que operan sin un soporte GNSS confiable. El enfoque combina una estructura unificada de contabilidad de energía a nivel de misión para propulsión, comunicación e inferencia a bordo, un mecanismo de adaptación de topología consciente de la energía residual para preservar la conectividad del enjambre, y un módulo de navegación de IA en el borde basado en una red neuronal convolucional-memoria a corto y largo plazo (CNN-LSTM) para mejorar la robustez de la localización. El marco fue evaluado en escenarios de simulación de 1200 s del Sistema Operativo de Robot 2 (ROS2)-Gazebo-PX4 en comparación con topologías fijas y líneas base basadas en el filtro de Kalman extendido (EKF). Bajo las suposiciones de simulación adoptadas, la configuración propuesta logró una reducción del 22.7% en el consumo total de energía, siendo la mayor disminución observada en el componente de energía de comunicación, mientras se preservaba una conectividad algebraica positiva en todas las ejecuciones evaluadas. El módulo de IA en el borde produjo una reducción del 4.8% en el error cuadrático medio (RMSE) en relación con la línea base del EKF, lo que indica una mejora modesta pero significativa en el rendimiento de localización. Estos resultados apoyan la viabilidad de la coordinación de enjambres integrada y consciente de la energía en entornos donde se niega el GNSS; sin embargo, deben interpretarse como evidencia basada en simulaciones bajo las suposiciones de modelado adoptadas, y se requieren más modelados de propagación de alta fidelidad, validación de aprendizaje más amplia y estudios de hardware en el bucle.