Este documento presenta un sistema de drones que utiliza una topología de red mejorada y Aprendizaje por Refuerzo Multiagente (MARL) para mejorar el rendimiento de las misiones en enjambres de Vehículos Aéreos No Tripulados (UAV) en diversos escenarios. Proponemos un sistema de enjambre de UAV que permite a los drones realizar tareas de manera eficiente con un intercambio de información limitado y una selección óptima de acciones a través de nuestra Red de Enjambre de UAV Eficiente (ESUSN) y aprendizaje por refuerzo (RL). El sistema reduce el retraso en la comunicación en un 53% y el consumo de energía en un 63% en comparación con redes MESH tradicionales con cinco drones y logra un retraso un 64% más corto y un 78% menos de consumo de energía con diez drones. En comparación con sistemas basados en aprendizaje por refuerzo, el rendimiento de la misión y la prevención de colisiones mejoraron significativamente, logrando el sistema propuesto cero colisiones en escenarios que involucran hasta diez drones. Estos resultados demuestran que entrenar enjambres de drones a través de MARL y un intercambio de información optimizado aumenta significativamente la eficiencia y la fiabilidad de las misiones, permitiendo la operación simultánea de múltiples drones.