Lograr aplicaciones de enjambres de vehículos aéreos no tripulados (VANT) autónomos y fiables requiere una estructura de red de comunicación flexible y eficiente. Desafortunadamente, el movimiento a alta velocidad de los VANT conduce a cambios drásticos en los enlaces inalámbricos y en las estructuras de topología, lo que plantea desafíos significativos para las transmisiones de datos fiables. Los protocolos de enrutamiento geográfico exhiben una mejor adaptabilidad a topologías de red altamente dinámicas y han recibido una atención extensa en redes de VANT. Sin embargo, los trabajos existentes no abordaron de manera efectiva el impacto de factores como las fluctuaciones del estado del enlace y los agujeros de enrutamiento en el rendimiento de estos protocolos. Con este fin, al considerar la evolución futura de los estados de enlace, este artículo propone un protocolo de enrutamiento geográfico basado en aprendizaje por refuerzo (Evo-QGeo) e introduce un nuevo método de bypass de agujeros de enrutamiento. Gracias a la evaluación de la evolución futura de los estados de enlace y la capacidad de optimización multihop del aprendizaje por refuerzo, la tasa de recepción de paquetes de extremo a extremo de Evo-QGeo se mejora en hasta un 11.81~44.61% en comparación con los existentes. Mientras tanto, el consumo de energía se reduce en hasta un 36.94~74.47%, la latencia se reduce en hasta un 21.63~38.68%, y el conteo de transmisión esperado de extremo a extremo se reduce en hasta un 19.60~26.10%. Esto hace que Evo-QGeo sea más adecuado para redes de VANT altamente dinámicas.