En escenarios como desastres naturales y ataques militares, es común que los vehículos aéreos no tripulados (VANT) formen grupos para ejecutar reconocimiento y vigilancia. Para garantizar la efectividad de las comunicaciones de los VANT, es urgente abordar los problemas de adquisición de recursos repetidos y los diseños de mecanismos de transmisión. Dado que los VANT a gran escala generarán un alto costo de transmisión debido a los requisitos de recursos superpuestos, en este documento proponemos un método de optimización de asignación de recursos basado en contenido de datos distribuido en una red ad-hoc voladora (FANET). El problema de asignación de recursos con el objetivo de maximizar el rendimiento se construye como un marco de juego de coalición. En primer lugar, se diseña un mecanismo de transmisión de datos para que los VANT ejecuten la interacción de información dentro de las coaliciones. En segundo lugar, se investiga un nuevo mecanismo de selección de coaliciones basado en compras grupales para que las coaliciones de VANT adquieran datos del VANT central. El problema de transmisión de datos y el problema de selección de coaliciones se modelan como un juego de grafos de coalición y un juego de formación de coaliciones, respectivamente. A través del diseño de la función de utilidad, demostramos que ambos juegos tienen soluciones estables. También probamos la convergencia del enfoque propuesto con el orden de coalición y el orden de Pareto. Basado en los resultados de simulación, se proponen el algoritmo de selección de coaliciones basado en el orden de coalición (CO-CSA) y el algoritmo de selección de coaliciones basado en el orden de Pareto (PO-CSA) para explorar la partición de coalición estable del modelo del sistema. CO-CSA y PO-CSA pueden lograr un mayor rendimiento de datos que el algoritmo de selección de coaliciones de una sola vez (Onetime-CSA) (al menos un aumento del 34.5% y 16.9%, respectivamente). Además, aunque PO-CSA tiene una ganancia de rendimiento relativamente menor, su tiempo de convergencia es en promedio un 50.9% menor que el de CO-CSA, lo que significa que la elección del algoritmo depende del escenario.