En este trabajo, entrenamos controladores (modelos) utilizando la Metodología Genética Difusa (GFM) para aprender comportamientos cooperativos en un equipo de UAVs descentralizados para transportar una carga suspendida compartida. El entrenamiento se realiza de manera de aprendizaje por refuerzo, donde los modelos aprenden estrategias basadas en la retroalimentación recibida del entorno. Los controladores en los UAVs se modelan como sistemas difusos. Se utiliza un Algoritmo Genético para evolucionar los modelos y lograr el objetivo general de llevar la carga a las ubicaciones deseadas, mientras se satisfacen las restricciones físicas y operativas. Los UAVs no se comunican explícitamente entre sí, y cada UAV toma sus propias decisiones, lo que lo convierte en un sistema descentralizado. Sin embargo, durante el entrenamiento, la función de costo se define de tal manera que representa la efectividad del equipo en lograr el objetivo general de llevar la carga compartida al objetivo. Al incluir un término de penalización por cualquier violación de restricciones durante el entrenamiento, los UAVs aprenden estrategias que no requieren comunicación explícita para lograr un transporte eficiente de la carga mientras se satisfacen todas las restricciones. También presentamos las métricas de rendimiento al probar los UAVs entrenados en nuevos escenarios con diferentes ubicaciones objetivo y con diferentes números de UAVs en el equipo.